L’attachée d’enseignement et de recherche assure des cours et participe à des travaux scientifiques au sein de l’enseignement supérieur. Ce métier mêle pédagogie, production de connaissances et encadrement d’étudiants. Face à l’intelligence artificielle, son exposition est réelle mais nuancée. Environ 60 % des tâches sont exposées à l’automatisation, ce qui place le risque à un niveau modéré à élevé. Le code de référence est le ROME H1211. La France Travail classe ce profil parmi les métiers en mutation, avec une tension de recrutement modérée. Cette fiche détaille les missions, les zones touchées par l’IA et les leviers d’adaptation pour la période 2026-2030.
En quoi consiste le métier d’attachée d’enseignement et de recherche
L’attachée d’enseignement et de recherche conçoit et anime des cours, des travaux dirigés et des séminaires. Elle mène aussi des activités de recherche, publie des articles et participe à des projets collectifs. Elle encadre des étudiants et corrige leurs travaux. Son activité s’organise entre la salle de cours et le laboratoire. Selon la DARES, les métiers de transmission du savoir combinent des tâches très intellectuelles et une forte dimension relationnelle. Cette double nature explique un score d’exposition élevé mais loin de la disparition.
- Préparation et animation de cours, de travaux dirigés et de séminaires.
- Conduite de travaux de recherche et rédaction de publications scientifiques.
- Encadrement, suivi et évaluation des étudiants tout au long du parcours.
- Veille scientifique et participation à des projets de recherche collectifs.
- Tâches administratives, montage de dossiers et reporting institutionnel.
Une semaine type alterne heures de cours, temps de recherche et réunions. La préparation des supports prend un temps important. La correction de copies et l’accompagnement individuel occupent aussi une large place. La recherche exige lecture, analyse et écriture rigoureuse. À cela s’ajoutent les démarches administratives, souvent chronophages. Cette diversité de tâches crée des zones très inégalement exposées à l’automatisation. Les activités répétitives reculent, tandis que la relation pédagogique et la pensée critique restent le socle du métier.
Le statut varie selon les établissements et les contrats. Certaines attachées exercent à temps plein, d’autres cumulent enseignement et contrat de recherche. La part de cours, de recherche et d’administration diffère donc fortement. Cette variabilité influe sur l’exposition à l’IA. Un profil très tourné vers la production documentaire verra plus de tâches automatisables qu’un profil centré sur l’encadrement. La DARES rappelle que la composition précise des tâches détermine le degré réel de substitution possible.
Ce que l’IA automatise déjà dans l’enseignement et la recherche
L’intelligence artificielle agit déjà sur plusieurs fronts. Elle aide à rédiger des supports, à résumer des articles et à produire des premières versions de documents. Les outils de correction automatique facilitent l’évaluation de certains exercices. Dans la recherche, l’IA accélère la revue de littérature et l’analyse de données. L’OCDE souligne que les métiers du savoir comptent parmi les plus exposés aux outils de génération de texte. La part administrative et documentaire constitue la première zone touchée.
Les usages concrets se multiplient dans les laboratoires et les amphithéâtres. Un enseignant peut générer des séries d’exercices en quelques minutes. Un chercheur peut interroger des bases bibliographiques avec un assistant. Le traitement de données qualitatives gagne en rapidité grâce aux modèles de langage. La France Compétences intègre désormais ces usages dans plusieurs référentiels de formation. Cette diffusion rapide explique le niveau d’exposition élevé, mais elle s’accompagne d’une exigence accrue de vérification humaine des résultats produits.
Ce que l’IA va automatiser d’ici 2030
À l’horizon 2030, l’automatisation gagnera la production de supports standards et la synthèse documentaire. Les assistants pédagogiques génératifs proposeront des exercices personnalisés. L’analyse de grands corpus deviendra plus rapide. Mais la DARES rappelle que l’évaluation fine du raisonnement étudiant et l’originalité scientifique résistent. Le score d’exposition, autour de 60 % des tâches, reflète une transformation profonde des méthodes, pas la fin du métier. L’enseignant-chercheur deviendra un superviseur exigeant des productions assistées par l’IA.
Cette évolution rejoint un constat plus large de l’OCDE sur les métiers du savoir. L’exposition élevée ne signifie pas remplacement automatique, mais réorganisation du travail. Les universités révisent déjà leurs modalités d’examen pour intégrer ou contrer l’IA générative. Les revues scientifiques encadrent l’usage de ces outils dans les publications. Le métier se dote ainsi de nouvelles règles. L’attachée devra connaître ces cadres et les appliquer, ce qui ajoute une compétence normative à son profil.
| Tâche | Plutôt automatisable | Reste humaine |
|---|---|---|
| Rédaction de supports de cours standards | Oui | Non |
| Revue de littérature et résumés d’articles | Oui | Non |
| Correction d’exercices à réponse fermée | Oui | Non |
| Analyse statistique de données | Oui | Non |
| Animation pédagogique et débat en classe | Non | Oui |
| Évaluation du raisonnement et du sens critique | Non | Oui |
| Problématisation originale d’une recherche | Non | Oui |
Ce qui reste irremplaçable face à l’IA
La relation pédagogique reste irremplaçable. Comprendre où bloque un étudiant et adapter son explication exige une présence humaine. La formulation d’une question de recherche originale relève d’une intuition que la machine ne possède pas. L’éthique scientifique et la responsabilité des résultats engagent une personne. La HAS et les instances académiques insistent sur la supervision humaine des productions assistées par IA. Ces dimensions expliquent pourquoi le métier se transforme sans s’effacer.
La confiance accordée par les étudiants tient aussi à la présence d’un référent humain. Un mentor reconnaît les progrès, encourage et corrige avec tact. Une machine ne porte pas cette charge relationnelle. De même, l’évaluation par les pairs dans la recherche repose sur le jugement et la réputation. La DARES classe ces compétences relationnelles parmi les plus protégées. Elles constituent le cœur défendable du métier, là où la valeur ajoutée humaine demeure la plus forte sur la décennie.
- Adaptation pédagogique en temps réel selon le niveau de chaque étudiant.
- Formulation d’hypothèses de recherche originales et fécondes.
- Jugement critique sur la fiabilité des sources et des résultats.
- Responsabilité éthique des publications et de l’encadrement.
- Animation du débat et de l’esprit critique en groupe.
Évolution prévisible du métier entre 2026 et 2030
Entre 2026 et 2030, le métier se recentrera sur la valeur humaine. L’enseignant déléguera la production de supports bruts pour se concentrer sur l’accompagnement. Le chercheur utilisera l’IA pour explorer plus vite, mais gardera la conception et l’interprétation. La France Compétences anticipe une montée des compétences en supervision d’outils intelligents. Les établissements adapteront leurs méthodes d’évaluation pour contrer la fraude assistée. Le métier devient plus stratégique, moins centré sur les tâches répétitives.
Les compétences à développer face à l’IA
Pour rester pertinente, l’attachée doit développer deux ensembles de compétences. D’abord, la maîtrise des outils d’IA générative appliqués à la pédagogie et à la recherche. Ensuite, le renforcement des compétences proprement humaines, comme la conception originale et l’accompagnement. La APEC observe que la capacité à orchestrer des outils prend de la valeur. Savoir évaluer une production IA et en détecter les limites devient une compétence clé du métier.
- Maîtriser les outils d’IA générative pour la rédaction et l’analyse.
- Concevoir des évaluations résistantes à la triche assistée par IA.
- Détecter et corriger les erreurs des productions automatisées.
- Renforcer la pédagogie active et l’accompagnement individualisé.
- Développer une posture critique sur les sources et les données.
Quelles formations pour exercer et s’adapter
L’accès au métier passe par un doctorat dans la discipline visée. Une qualification universitaire est souvent requise pour enseigner dans le supérieur. Des formations continues en pédagogie numérique et en IA appliquée à la recherche complètent ce socle. La France Compétences recense des certifications en ingénierie pédagogique et en analyse de données. Se former aux usages responsables de l’IA devient un atout décisif. Les centres d’appui pédagogique des universités proposent ces modules.
La formation continue prend une place grandissante dans ce métier. Les méthodes pédagogiques évoluent vite sous l’effet du numérique. Un enseignant-chercheur doit actualiser ses compétences tout au long de sa carrière. Les écoles doctorales proposent des modules sur l’intégrité scientifique et l’usage des outils numériques. La DARES souligne que la formation continue conditionne la capacité d’adaptation face à l’automatisation. Investir régulièrement dans ces apprentissages protège durablement l’employabilité du professionnel.
Perspectives d’emploi et tension de recrutement
Le marché de l’enseignement supérieur et de la recherche reste sélectif. Selon le baromètre BMO 2025 de France Travail, le taux de difficulté de recrutement pour ce champ avoisine 39 %, signe d’une tension modérée. Le salaire médian s’établit autour de 38 220 EUR brut par an. La croissance annuelle estimée du secteur tourne autour de 2 %. Les postes restent concentrés dans les universités, les écoles et les organismes de recherche publics.
La concurrence pour les postes stables demeure forte. Le nombre de candidats qualifiés dépasse souvent l’offre de postes permanents. Cette réalité incite à la mobilité et à la diversification des compétences. L’APEC relève que les docteurs valorisant des compétences numériques accèdent plus vite à des fonctions élargies. La maîtrise de l’IA appliquée devient un facteur de différenciation sur ce marché tendu. Elle ouvre des passerelles vers des fonctions hybrides, entre recherche, formation et ingénierie pédagogique.
| Indicateur | Valeur | Source |
|---|---|---|
| Exposition à l’automatisation | Environ 60 % des tâches | Score métier, risque modéré à élevé |
| Salaire médian annuel | 38 220 EUR brut | Données métier |
| Difficulté de recrutement | 39 % | BMO 2025 France Travail |
| Tension de recrutement | Modérée | BMO 2025 France Travail |
| Croissance annuelle | 2 % | Données métier |
| Code de référence | ROME H1211 | France Travail |
Reconversion et pistes d’évolution
Plusieurs trajectoires s’ouvrent à ce profil. Le passage vers l’ingénierie pédagogique attire les enseignants à l’aise avec le numérique. Le conseil scientifique, la vulgarisation et l’édition académique offrent aussi des débouchés. Dans le privé, les fonctions de recherche et développement valorisent ces compétences analytiques. La DARES note que les profils dotés d’un haut niveau de qualification migrent plus facilement vers des fonctions transversales. La capacité à transmettre reste un atout très recherché.
- Ingénierie pédagogique et conception de dispositifs de formation.
- Conseil scientifique et expertise auprès d’organisations publiques ou privées.
- Vulgarisation, édition académique et médiation des savoirs.
- Fonctions de recherche et développement dans le secteur privé.
- Coordination de projets et management d’équipes de recherche.
Faut-il craindre l’IA quand on enseigne et fait de la recherche
La réponse est nuancée. Le risque d’automatisation est réel, autour de 60 % des tâches exposées. Mais l’IA agit surtout comme un accélérateur, pas comme un remplaçant. L’OCDE et la DARES décrivent une recomposition des tâches plutôt qu’une suppression massive d’emplois. Les enseignants-chercheurs qui intègrent ces outils gagnent en productivité. Ceux qui les ignorent risquent de se laisser distancer. La menace vient donc du manque d’adaptation, pas de la technologie elle-même.
Comment tirer parti de l’IA sans perdre le cap
L’enjeu consiste à utiliser l’IA pour les tâches à faible valeur ajoutée. Générer un brouillon, résumer un corpus ou structurer un plan se délègue aisément. L’enseignant garde la conception fine, l’interprétation et l’accompagnement. Cette répartition libère du temps pour la relation et la recherche profonde. La HAS rappelle l’importance d’une supervision humaine constante des productions assistées. Bien encadrée, l’IA devient un levier de qualité plutôt qu’une menace pour le métier.
Cette posture suppose une vigilance constante sur la fiabilité. Les modèles de langage produisent parfois des erreurs ou des références inventées. Le chercheur doit donc vérifier chaque source citée. L’enseignant doit contrôler la justesse des contenus générés avant tout usage en cours. La France Compétences insiste sur cette compétence de validation critique. Loin d’être passive, l’adoption de l’IA exige un effort intellectuel nouveau. C’est précisément cet effort qui distingue le professionnel compétent de l’utilisateur naïf.
Conseil final pour anticiper sereinement
Le bon réflexe consiste à s’approprier les outils tôt et à repenser ses méthodes d’évaluation. Documenter ses pratiques de recherche garantit l’intégrité scientifique. Investir dans la pédagogie active renforce la valeur humaine du métier. En résumé, l’attachée d’enseignement et de recherche affronte une transformation profonde, avec environ 60 % des tâches exposées. Les sources institutionnelles, la DARES, l’OCDE et l’APEC, convergent vers une recomposition, pas une disparition. L’avenir appartient à celles et ceux qui pilotent l’IA au service du savoir.
Pour conclure sur une note concrète, trois priorités se dégagent. Se former tôt aux outils génératifs reste le premier réflexe. Repenser l’évaluation pour préserver l’intégrité des apprentissages constitue le deuxième axe. Cultiver la relation pédagogique et l’originalité scientifique forme le troisième pilier. Avec un salaire médian de 38 220 EUR brut et une tension de recrutement de 39 % au BMO 2025, le métier garde de la valeur. La transformation est réelle, mais elle ouvre autant d’opportunités qu’elle pose de défis pour qui s’y prépare.
Le message à retenir tient en une idée simple. L’intelligence artificielle ne supprime pas la mission de transmettre et de chercher. Elle déplace la valeur du professionnel vers la conception, la supervision et la relation. Les enseignants-chercheurs qui adoptent cette posture renforcent leur place. Ceux qui s’y refusent prennent un risque réel de déclassement. La décennie 2026-2030 récompensera la curiosité, la rigueur et l’adaptabilité, des qualités déjà au fondement de ce métier exigeant.