Sans apprentis, qui saura juger ?

Imaginons une petite fiduciaire à Sion. Un dossier arrive avec ses factures, ses relevés et une écriture qui ne tombe pas juste. L’apprenti cherche. Il rapproche deux montants, se trompe de période, recommence. Sa formatrice s’assied à côté de lui. Elle lui montre ce qu’il fallait regarder, puis lui demande pourquoi il ne l’a pas vu. Le dossier avance lentement. Quelqu’un apprend un métier.

Dans une autre version de cette scène, un outil a déjà rapproché les pièces et proposé la correction. La formatrice vérifie, valide et passe au client suivant. Le dossier est traité plus vite. Pour savoir ce que l’apprenti a appris, il faudrait maintenant lui poser une question.

Cette scène prolonge une difficulté laissée ouverte dans mon essai. J’y défends la valeur des praticiens expérimentés, capables de cadrer une demande et de remettre en question une réponse générée. Mais cette expérience a dû se former quelque part. Si nous transformons le travail qui la produisait, nous devons aussi reconstruire les occasions de l’acquérir.

L’apprenti employé de commerce, le jeune comptable et le stagiaire juriste suivent des parcours différents. Tous doivent cependant passer d’une consigne à une compréhension. Pourquoi cette pièce manque-t-elle ? Pourquoi cette clause mérite-t-elle une réserve ? À quel moment faut-il cesser de chercher seul et demander de l’aide ? Le jugement se construit aussi dans ces hésitations, lorsqu’une personne compétente aide à les résoudre.

Les tâches courantes avaient parfois deux fonctions : faire avancer la production et permettre cette progression. Leur valeur pédagogique n’était pas toujours visible dans le temps facturé. Elle apparaissait plus tard, quand le débutant reconnaissait une anomalie sans qu’on la lui désigne.

Tout travail fastidieux ne mérite évidemment pas d’être conservé. Recopier cent fois une information peut n’apprendre presque rien. Examiner quelques dossiers bien choisis, comprendre leurs différences et expliquer une erreur peut apporter beaucoup. L’automatisation oblige à faire ce tri plus consciemment. À chaque tâche supprimée devrait correspondre une question précise : quelle compétence permettait-elle d’acquérir, et où l’apprendra-t-on désormais ?

L’IA peut elle-même contribuer à cet apprentissage. Une étude de Brynjolfsson, Li et Raymond, publiée en 2025, suit l’introduction d’un assistant auprès de 5 172 agents d’assistance clientèle. La productivité augmente de 15 % en moyenne, avec des gains plus importants chez les moins expérimentés. Les auteurs observent aussi des signes d’apprentissage qui persistent lorsque l’outil devient temporairement indisponible. [1]

Ces résultats concernent une entreprise et une activité précises. Ils ne décrivent pas directement l’apprentissage dans une fiduciaire valaisanne. Ils interdisent toutefois de tenir l’IA pour nécessairement défavorable aux débutants. Selon la manière dont elle est intégrée au travail, elle peut leur donner accès plus tôt à des pratiques qu’ils auraient mis longtemps à rencontrer.

Une distinction devient alors essentielle : obtenir un résultat et comprendre ce qui le rend acceptable. Un débutant peut recevoir une excellente proposition sans savoir dans quelles circonstances elle cesserait d’être juste. La formation doit lui permettre d’en reconnaître les limites, de chercher une source et d’expliquer son choix. Cette capacité demande des occasions de pratiquer, avec un accompagnement qui évolue à mesure qu’il progresse.

Le problème devient économique lorsqu’on se demande qui paie cet accompagnement. Pendant sa formation, un apprenti peut déjà produire une valeur réelle : préparer des pièces, traiter des opérations adaptées à son niveau, libérer du temps à ses collègues. Le coût net de sa présence dépend de cette contribution, mise en regard de sa rémunération, des charges, des moyens engagés et du temps d’encadrement. Ce calcul doit porter sur la durée du parcours : ce qu’il apporte évolue avec son autonomie.

Si l’IA absorbe ses tâches utiles tandis que la supervision reste nécessaire, cet équilibre se dégrade pour l’entreprise. Lui demander de conserver le même effort au nom de la relève ne résout pas son problème. Il faut revoir le coût qu’elle supporte, l’organisation du poste et la progression vers une contribution productive. La rémunération est une composante de cette équation ; le temps du formateur et les situations d’apprentissage à reconstruire doivent aussi être chiffrés. Et là où l’IA augmente la valeur produite par le débutant, le diagnostic peut être tout autre.

À ce coût s’ajoute l’incertitude du retour. Une personne peut rejoindre une autre entreprise une fois formée. Le cabinet qui a payé l’accompagnement ne bénéficiera alors pas nécessairement de son travail devenu expert. Un modèle viable doit tenir compte de cette mobilité, sans supposer que la reconnaissance assurera la fidélité. Si chacun préfère recruter des professionnels déjà formés, chacun compte sur un investissement réalisé ailleurs, que personne n’aura suffisamment intérêt à prendre en charge.

Ce risque reste à mesurer ; il ne permet pas d’annoncer la disparition des places d’apprentissage. Mais il suffit à poser une question collective. Une stratégie territoriale qui repose sur les compétences disponibles aujourd’hui doit regarder comment elles se renouvelleront. Attirer des actifs expérimentés peut aider le Valais. Cela ne dispense pas d’y former ceux qui prendront leur suite.

Le canton dispose déjà d’entreprises formatrices, d’écoles professionnelles et d’associations de branche. Ces acteurs pourraient commencer par examiner ensemble ce que l’automatisation change dans quelques parcours. Quelles tâches quittent les mains des débutants ? Quelles compétences se développent plus vite ? Où un formateur doit-il intervenir davantage ? Une observation modeste, menée dans plusieurs entreprises volontaires, serait plus utile qu’une doctrine générale arrêtée trop tôt.

Dans la fiduciaire que nous avons imaginée, on pourrait réserver certains dossiers à une progression explicite. Sur un cas adapté à son niveau, l’apprenti commencerait par formuler son hypothèse. Il la comparerait ensuite à la proposition de l’outil. La formatrice discuterait avec lui les écarts, les vérifications nécessaires et la décision finale. Le travail accompli aurait alors une double valeur, productive et formatrice, choisie dès le départ.

L’IA pourrait préparer des variantes d’exercice ou proposer des explications supplémentaires, sous le contrôle du formateur. Les cas rares, les pièces ambiguës et les erreurs plausibles deviendraient une matière d’apprentissage. On pourrait aussi vérifier régulièrement ce que le jeune sait expliquer et résoudre de manière autonome, pour distinguer la progression de sa compétence de celle du système qu’il utilise.

Reste à rendre cet effort finançable. Une partie des heures économisées pourrait couvrir la supervision, à condition que le gain soit réel et disponible. Plusieurs petites structures pourraient partager des cas anonymisés et des séances de formation. Un financement de branche pourrait aussi répartir une part du coût entre entreprises formatrices et entreprises qui recrutent les personnes formées. Si une phase devient essentiellement éducative, la place d’un financement public mérite également d’être examinée. Ces pistes demandent un chiffrage : coût net par parcours, progression de la contribution productive et mobilité après la formation.

J’ai écrit que l’expérience devenait un atout stratégique à mesure que l’IA se généralise. Sa transmission doit donc trouver un modèle économique explicite. Une entreprise doit pouvoir former sans parier tout son investissement sur la fidélité future d’une personne. Un jeune doit pouvoir acquérir une compétence utile et en vivre. Faire tenir ensemble ces deux exigences devient un travail de branche et de territoire.

Revenons à notre dossier, sur un bureau à Sion. Quelques années plus tard, la formatrice prendra sa retraite. L’outil aura probablement changé. Il restera des pièces ambiguës, des clients inquiets et des décisions à expliquer. La question sera alors très concrète : à qui pourra-t-elle passer le dossier ?

[1] Erik Brynjolfsson, Danielle Li et Lindsey R. Raymond, Generative AI at Work, The Quarterly Journal of Economics, vol. 140, no 2, 2025, p. 889–942.

Voir aussi · Le Bisse Cognitif · Chapitre 10 — Fiduciaire, juridique, conseil

Voir aussi · Le Bisse Cognitif · Chapitre 12 — Formation, requalification, campus alpin