Le déficit de compétences en IA persiste au Vietnam malgré les investissements importants des universités

La confiance dans l’IA dépasse la préparation au monde du travail

Les universités vietnamiennes investissent massivement dans l’intelligence artificielle, et les étudiants se disent plus confiants que leurs homologues des autres marchés étudiés quant à leur capacité à travailler avec l’IA. Pourtant, selon une étude de Pearson et Amazon Web Services (AWS), les employeurs constatent un décalage entre cette confiance et la capacité des diplômés à utiliser efficacement l’IA dans leur travail.

L’enquête menée au Vietnam révèle que 96 % des responsables de l’enseignement supérieur déclarent que leurs établissements investissent dans l’IA. Plus de 52 % des étudiants évaluent leur préparation à travailler dans un environnement intégrant l’IA à 8, 9 ou 10 sur 10, soit le niveau de confiance le plus élevé parmi les six marchés étudiés. En revanche, seuls 15 % des employeurs vietnamiens jugent excellentes les compétences des jeunes diplômés dans les huit domaines nécessaires aux lieux de travail intégrant l’IA.

L’étude a interrogé 402 personnes au Vietnam : 301 étudiants, 50 responsables d’université et enseignants, ainsi que 51 employeurs et dirigeants d’entreprise. La recherche plus vaste portait sur le Vietnam, le Brésil, la Malaisie, l’Arabie saoudite, le Royaume-Uni et les États-Unis. Ses conclusions soulignent un défi qui dépasse l’accès aux outils d’IA : les diplômés doivent montrer qu’ils savent les utiliser avec discernement, vérifier leurs résultats et les appliquer à des tâches concrètes.

Ce décalage compte alors que l’IA transforme le travail et les emplois de début de carrière. Un étudiant capable de rédiger une consigne pour un agent conversationnel peut néanmoins avoir du mal à déterminer si la réponse est exacte, à repérer les éléments manquants ou à expliquer en quoi une recommandation assistée par l’IA répond à un besoin de l’entreprise. Ces étapes exigent une familiarité technique, mais aussi de l’esprit critique, des compétences en communication et une bonne connaissance du domaine concerné.

Les investissements avancent vite, mais de manière inégale

Le rapport classe le Vietnam parmi les « stratèges à forte vélocité », c’est-à-dire les marchés qui font de l’IA une priorité stratégique et y consacrent des investissements importants. Neuf responsables d’université interrogés sur dix déclarent que les changements liés à l’IA dans le monde du travail surviennent « extrêmement vite » ou « très vite ». Cette proportion dépasse de 23 points le taux mondial, qui s’établit à 67 %. Tous les responsables universitaires interrogés s’attendent à une accélération du rythme au cours des deux prochaines années.

Les investissements ne garantissent pas que les établissements puissent suivre toutes les évolutions. Seuls 28 % des établissements vietnamiens interrogés déclarent suivre le rythme de toutes les avancées de l’IA. Le rapport évoque des investissements dans la formation des enseignants, les infrastructures informatiques, les capacités techniques, les programmes d’études et les systèmes d’IA destinés au fonctionnement des établissements. Il souligne toutefois que la préparation dépend de la manière dont ces ressources sont mises au service de l’apprentissage et de la pratique.

L’enquête révèle également que 84 % des responsables de l’enseignement supérieur échangent régulièrement avec les employeurs pour comprendre les besoins du marché. C’est un point de départ important, même si des contacts réguliers ne signifient pas nécessairement que les employeurs participent à la conception des cours ou à l’évaluation des travaux des étudiants. L’étape suivante consiste à rendre ces partenariats plus concrets et plus durables.

Les autoévaluations des étudiants donnent des indications utiles sur leur confiance, mais ne mesurent pas directement leurs performances au travail. De leur côté, les employeurs évaluent les diplômés à l’aune des tâches et des attentes rencontrées dans leur activité. L’écart entre ces deux perspectives suggère que les cours et les évaluations devraient offrir aux étudiants davantage d’occasions de démontrer leurs compétences pratiques, et pas seulement leur familiarité avec les outils.

Les compétences qui manquent aux diplômés selon les employeurs

Les employeurs vietnamiens ont relevé plusieurs problèmes dans l’utilisation de l’IA par les diplômés. Quarante-trois pour cent mentionnent de mauvaises habitudes, notamment une confiance excessive dans les résultats de l’IA et des vérifications ou recoupements insuffisants. Trente-sept pour cent évoquent un manque d’expérience pratique, tandis que 35 % signalent une dépendance excessive aux outils d’IA. Ces réponses peuvent se recouper, mais elles montrent ensemble pourquoi le seul accès aux outils ne suffit pas à mesurer la préparation au travail.

Seuls 8 % des employeurs jugent excellentes les capacités des diplômés à évaluer de manière critique les résultats de l’IA. Cette compétence suppose de confronter les affirmations à des sources fiables, de repérer les incertitudes et les biais, et de savoir quand une tâche requiert l’expertise humaine plutôt qu’une réponse automatisée. Elle est particulièrement importante lorsque l’IA produit un texte fluide qui peut néanmoins contenir des erreurs.

Les employeurs ont évalué huit domaines : les connaissances techniques, l’adaptabilité, l’utilisation efficace des outils d’IA, la créativité, l’application des connaissances universitaires à des tâches concrètes, la formation continue, la communication et la collaboration, ainsi que l’évaluation critique des résultats de l’IA. Le chiffre global de 15 % correspond à la moyenne des évaluations « excellentes » dans ces domaines ; il ne signifie pas que tous les employeurs ont porté la même appréciation dans chacun d’eux.

Le problème ne concerne pas seulement le Vietnam. À l’échelle mondiale, 53 % des employeurs interrogés dans le cadre de l’étude de Pearson et AWS déclarent avoir du mal à trouver de jeunes diplômés possédant des compétences en IA conformes aux exigences du monde du travail. Dans l’ensemble de l’étude, seuls 14 % des apprenants disent avoir atteint un niveau élevé de maîtrise de l’application des outils d’IA à un processus de travail professionnel. Pris ensemble, ces résultats décrivent un problème de transition : apprendre à utiliser un outil ne prépare pas automatiquement à s’en servir de manière fiable dans un emploi.

Quatre compétences définissent un diplômé prêt à travailler avec l’IA

Le rapport présente la préparation à l’IA comme une combinaison de quatre compétences complémentaires. La maîtrise fonctionnelle de l’IA consiste à savoir utiliser les outils adaptés à une tâche. Les compétences humaines essentielles englobent le discernement, l’adaptabilité, la communication, la collaboration et la résolution de problèmes. Une utilisation responsable de l’IA implique d’en faire un usage éthique et de prendre en compte la vie privée, les biais et les risques de préjudice. Enfin, l’intelligence stratégique consiste à comprendre dans quels cas l’IA peut apporter une valeur ajoutée et dans quels cas elle n’est pas adaptée.

Ces compétences fonctionnent ensemble. Par exemple, un diplômé qui prépare une proposition commerciale avec l’aide de l’IA doit savoir définir la tâche, choisir un outil approprié, vérifier les affirmations et les sources, repérer les limites et expliquer le raisonnement qui sous-tend les recommandations finales. L’utilisateur reste responsable du travail, même lorsqu’un système a contribué à le produire.

Cette approche change aussi la façon d’enseigner l’IA. Un cours principalement consacré à l’utilisation d’outils populaires peut vite devenir obsolète à mesure que ceux-ci évoluent. Apprendre aux étudiants à évaluer les résultats, à adapter leur démarche et à mobiliser leurs connaissances du domaine concerné est une approche plus pérenne. Elle les aide à transposer leurs compétences à des systèmes inconnus et à de nouvelles tâches professionnelles.

Le cadre plus général du rapport, le AI Readiness Friction Framework, décrit six obstacles susceptibles de se cumuler lors du passage des études à la vie professionnelle : le rythme, la connexion, les capacités, la gouvernance, l’expérience et les compétences. Le rythme désigne une évolution du monde du travail plus rapide que l’actualisation des programmes. La connexion renvoie à la faiblesse des échanges entre employeurs et enseignants. Les capacités recouvrent les écarts de préparation parmi le corps enseignant. La gouvernance porte sur les règles pratiques d’utilisation responsable. L’expérience correspond au manque d’occasions structurées de s’exercer. Enfin, les compétences désignent le décalage entre ce que les diplômés savent démontrer et les exigences des emplois.

Transformer les échanges avec les employeurs en pratique partagée

Les universités et les employeurs peuvent combler le manque d’expérience en concevant des évaluations fondées sur des situations de travail réalistes. Au lieu de demander aux étudiants de simplement décrire un outil d’IA, un devoir pourrait leur demander de s’en servir pour rédiger une proposition, d’en vérifier les affirmations, d’en repérer les faiblesses et de défendre leurs recommandations. Le processus devient ainsi visible et les enseignants peuvent évaluer le discernement, en plus du résultat final.

Les employeurs peuvent proposer des problématiques concrètes, des stages et des retours sur les programmes. Ils peuvent aussi aider les enseignants à comprendre l’usage de l’IA dans les entreprises en leur permettant d’observer des équipes ou de travailler à leurs côtés. Ces partenariats donnent aux étudiants l’occasion de se confronter à des contraintes que les exercices en classe peuvent laisser de côté, comme des informations incomplètes, des délais serrés ou la nécessité de communiquer leurs conclusions à des collègues.

Pour les universités, le rapport recommande de raccourcir les cycles de révision des programmes, de proposer des modalités d’apprentissage flexibles et de créer des certifications modulaires, qui permettent aux apprenants d’obtenir des qualifications reconnues par étapes. Il préconise également une formation des enseignants axée sur la pédagogie appliquée, ainsi que des occasions créditées de s’exercer à l’utilisation de l’IA dans des situations réalistes. L’objectif est d’intégrer l’IA aux enseignements fondamentaux, plutôt que de la cantonner à des démonstrations facultatives ou à des cours d’initiation ponctuels.

Les étudiants peuvent faciliter l’évaluation de leurs compétences en constituant un portfolio de projets réalisés avec l’aide de l’IA. Celui-ci peut présenter la tâche, la façon dont l’IA a été utilisée, les éléments vérifiés ou modifiés par l’étudiant, ainsi que le résultat obtenu. Ces éléments peuvent aider les employeurs à apprécier les capacités pratiques d’un candidat au-delà de son diplôme ou d’une déclaration générale de maîtrise de l’IA.

Le rapport évoque également un choix forcé entre deux candidats hypothétiques : l’un possède de solides compétences en IA, mais pas de diplôme, tandis que l’autre est diplômé, mais a peu d’expérience de l’IA. Les employeurs accordent au titulaire du diplôme un avantage de seulement quatre points de pourcentage. Ce résultat suggère que les diplômes restent importants, mais que les employeurs accordent une place considérable aux preuves de compétences pratiques.

La responsabilité dépasse le cadre des campus et des entreprises

Une gouvernance claire est un autre élément essentiel de la préparation. Les étudiants et les personnels ont besoin de consignes pratiques sur les outils autorisés, les informations qui ne doivent pas y être saisies, la manière de signaler les travaux générés par l’IA et les personnes chargées de les vérifier. En l’absence de règles claires, certains risquent d’utiliser des outils non approuvés ou de manipuler des informations sensibles avec négligence, en transposant ces pratiques du monde éducatif au milieu professionnel.

Les autorités de régulation peuvent faciliter cette transition en clarifiant les politiques et en permettant l’intégration de certifications pertinentes en compétences numériques aux programmes universitaires. Le rapport recommande également aux établissements de formation et aux employeurs de s’accorder sur des objectifs d’apprentissage et des normes d’évaluation plus clairs, afin que les diplômés disposent de critères plus cohérents pour démontrer leurs compétences.

Les dirigeants de Pearson et d’AWS ont présenté leur démarche comme un moyen de transformer l’utilisation de l’IA en compétences professionnelles. La recherche, menée avec le cabinet indépendant PSB Insights, repose sur les réponses à une enquête de plus de 2 700 apprenants, responsables de l’éducation et employeurs dans les six marchés étudiés, ainsi que sur des entretiens avec des responsables de l’enseignement supérieur. Les cadres proposés visent à aider les établissements à repérer les points de leur propre parcours entre études et emploi qui nécessitent une attention particulière.

Au Vietnam, la principale conclusion n’est pas que les universités n’ont pas investi ou que les étudiants manquent d’intérêt. Les investissements sont largement répandus, la confiance des étudiants est élevée et la plupart des établissements interrogés échangent déjà avec les employeurs. La tâche la plus difficile consiste à s’appuyer sur ces atouts pour instaurer une pratique régulière, une évaluation rigoureuse et des travaux proches des décisions auxquelles les diplômés seront confrontés après l’université.

En résumé

• 96 % des responsables vietnamiens de l’enseignement supérieur interrogés déclarent que leurs établissements investissent dans l’IA.
• Plus de 52 % des étudiants évaluent leur préparation à un travail intégrant l’IA à 8, 9 ou 10 sur 10.
• Seuls 15 % des employeurs jugent excellentes les compétences des jeunes diplômés dans huit domaines liés à l’IA au travail.
• Les employeurs signalent des vérifications insuffisantes, un manque d’expérience pratique et une dépendance excessive aux outils d’IA.
• Le rapport préconise des évaluations conçues avec les employeurs, une pratique appliquée, la formation des enseignants et une gouvernance de l’IA plus claire.