L'IA générative va-t-elle tuer le diplôme ? La question circule partout, et les réponses sont souvent tranchées dans un sens ou dans l'autre. La recherche empirique récente est plus nuancée, et plus utile.
Depuis l'émergence de l'IA générative, deux discours s'affrontent. Le premier annonce la fin du diplôme : si l'IA peut faire le travail d'un junior, à quoi sert de passer cinq ans à l'université ? Le second défend le statu quo : les employeurs continueront à exiger des diplômes parce que c'est le seul signal de qualité standardisé qu'ils connaissent. Les deux postures ont en commun de traiter le diplôme comme une chose monolithique. C'est là que le débat se trompe.
La vraie question n'est pas "le diplôme disparaît-il ?" mais "de quoi le diplôme est-il le signal, et est-ce que l'IA change quelque chose à ce signal ?" Cette reformulation ouvre sur des réponses beaucoup plus précises.
Une étude expérimentale publiée en 2026 dans The Economic Journal apporte un éclairage décisif sur cette question. Les chercheurs ont soumis des CV fictifs à 485 responsables RH allemands, en faisant varier systématiquement le niveau de diplôme. Résultat : jusqu'à 75 % de la prime que les employeurs accordent aux candidats diplômés s'explique non pas par les compétences acquises à l'université, mais par les traits qu'ils supposent préexistants chez eux, intelligence, persévérance, capacité à aller jusqu'au bout d'un engagement long.1
Dit autrement : le diplôme ne dit pas "cette personne sait faire X". Il dit "cette personne a les caractéristiques non-cognitives qui permettent d'apprendre à faire X". C'est la théorie du signal de Spence, formulée dans les années 1970, qui reste empiriquement valide en 2026. Et c'est précisément ce que l'IA ne change pas, elle peut automatiser des tâches, pas certifier des traits de personnalité.
L'étude documente également un résultat contre-intuitif : un master incomplet est perçu comme moins désirable qu'un bachelor achevé. Ce n'est pas une question de compétences, un master incomplet représente plus d'années de formation. C'est une question de signal : l'abandon envoie un signal négatif sur la persévérance. Ce mécanisme est indépendant de l'IA.
Ce qui change, c'est la valeur du diplôme comme ticket d'entrée dans certains secteurs spécifiques. Acemoglu et Restrepo (2025), dans un working paper du Stanford Digital Economy Lab, documentent un phénomène réel et préoccupant : depuis l'émergence de l'IA générative, les embauches de jeunes diplômés juniors ont stagné puis décliné dans les professions les plus exposées, développement logiciel, analyse de données, traitement de l'information.2 L'emploi senior dans ces mêmes secteurs n'a pas été affecté.
L'interprétation est logique : si l'IA peut produire du code de qualité correcte, rédiger des synthèses et analyser des données, la demande pour des juniors qui faisaient précisément ces tâches diminue. Ce n'est pas la fin du diplôme, c'est la fin du diplôme comme passeport automatique vers un premier emploi dans les secteurs les plus exposés à l'IA générative.
Une étude publiée dans Technological Forecasting and Social Change (2025) confirme cette différenciation sectorielle en analysant des milliers d'annonces d'emploi. Elle documente un glissement vers le recrutement basé sur les compétences démontrables dans les rôles IA et technologiques, certifications cloud, portfolios de code, projets réels. Ce mouvement est réel, mais il est concentré dans le secteur tech. Les professions réglementées, santé, droit, éducation, n'en montrent aucun signe.3
Dans ce contexte, les micro-credentials et certifications alternatives connaissent une montée en légitimité réelle. Le rapport Brookings de 2025 sur les pratiques de recrutement augmentées par l'IA conclut que l'approche optimale est hybride : le diplôme reste un filtre initial utile, tandis que les évaluations de compétences affinées par l'IA permettent une sélection plus précise au-delà du diplôme.4
Le rapport Lumina Foundation (2025) documente la même différenciation sectorielle : l'impact des micro-credentials est fort en tech, en data et en marketing, faible dans les professions réglementées où les certifications institutionnelles dominent.5 Ce n'est pas une révolution du système de reconnaissance des compétences, c'est une couche supplémentaire qui se superpose au diplôme dans certains secteurs.
La conclusion pratique est simple : un micro-credential en IA ou en data science complète un diplôme et signale une compétence actuelle. Il ne le remplace pas. Prétendre le contraire, c'est mal lire les données.
Ce que la recherche documente au fond, c'est l'accélération d'une tendance préexistante. Le diplôme n'avait déjà pas la même valeur dans tous les secteurs. Il en avait peu dans le développement web, beaucoup en médecine, et une valeur intermédiaire variable ailleurs. L'IA générative accélère cette différenciation sans en changer la logique.
Pour les secteurs fortement exposés à l'IA, tech, finance de marché, médias, traitement de données, le diplôme seul n'est plus suffisant. Il reste nécessaire comme signal de base, mais il doit être complété par des compétences démontrables et actuelles. Pour les professions réglementées, santé, droit, architecture, enseignement, le diplôme reste la condition non négociable d'exercice, et l'IA n'y change rien à court terme.
Il y a enfin une question que les débats sur le diplôme évitent soigneusement : celle de l'équité. Si les compétences IA deviennent un complément indispensable du diplôme dans les secteurs exposés, et si l'accès à ces compétences est inégal selon les milieux sociaux et les systèmes éducatifs, alors le diplôme ne disparaît pas comme outil de sélection, il se double d'un filtre supplémentaire que les populations les moins bien dotées auront du mal à franchir. C'est peut-être le risque le plus sérieux que l'IA fait peser sur le diplôme : non pas sa disparition, mais sa stratification.
Pour un étudiant ou un jeune professionnel : le diplôme reste indispensable comme signal d'entrée. Mais dans les secteurs exposés à l'IA, s'arrêter au diplôme est une stratégie insuffisante. La question n'est pas "diplôme ou compétences ?", c'est "diplôme et quelles compétences démontrables ?"
Pour un DRH ou un recruteur : les pratiques de recrutement basées uniquement sur le filtre diplôme sont en train de devenir insuffisantes dans les métiers exposés à l'IA. Ce n'est pas parce que le diplôme ne signale plus rien, il signale toujours les traits non-cognitifs documentés par Stans et al. C'est parce qu'il ne dit plus rien sur la capacité à travailler avec les outils qui redéfinissent ces métiers aujourd'hui.
Pour une institution éducative : la vraie menace de l'IA n'est pas la dévaluation des diplômes. C'est l'accélération du décalage entre ce que les formations enseignent et ce que les marchés valorisent. La réponse n'est pas d'abandonner la logique du diplôme, c'est de mettre à jour en permanence ce qu'il certifie.
Références
1. Stans, R., Ehrmantraut, L., Siemers, M. & Pinger, P. The Impact of Higher Education on Employer Perceptions. The Economic Journal, 2026. DOI : 10.1093/ej/ueaf061
2. Acemoglu, D. & Restrepo, P. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Generative AI. Stanford Digital Economy Lab, 2025. stanford.edu
3. An, J. et al. Skills or degree? The rise of skill-based hiring for AI and green jobs. Technological Forecasting and Social Change, Elsevier, 2025. DOI : S0040162525000733
4. Levy Yeyati, E. & Seyal, I. The Future of Hiring: Advantages of a Skill-Based, AI-Powered, Hybrid Approach. Brookings Institution, 2025. brookings.edu
5. Lumina Foundation. Microcredentials Impact Report 2025: Insights from Students and Employers. Lumina Foundation / Coursera, 2025. luminafoundation.org