Enseignant · La plus grande profession du monde : des maisons de tablettes sumériennes aux salles de classe de l'ère de l'IA, un adulte chargé de transformer trente inconnus en une classe qui apprend.
Plus la case est foncee, plus le score de cet indicateur est eleve.
MoinsPlus
Derniere relecture Sources et creditsCrédits médiasMéthodologie
Dans presque tous les pays, enseigner dans une école publique exige un diplôme universitaire, une période de pratique encadrée en classe et une licence ou un enregistrement gouvernemental. L'emballage diffère : une licence en quatre ans en éducation, un diplôme de matière plus une année de formation comme le PGCE anglais, ou un master comme en Finlande. Les écoles privées et internationales embauchent parfois sans licence locale, mais l'exigence de diplôme est presque universelle.
En général quatre à six ans après le secondaire : un diplôme de trois ou quatre ans, un à deux ans de formation pédagogique et de pratique encadrée, puis une période probatoire ou d'induction d'un à deux ans avant la licence complète. La voie standard finlandaise dure environ cinq à six ans parce qu'un master est obligatoire ; certains programmes accélérés placent les reconversions en classe en quelques mois, avec formation en parallèle.
Cela varie davantage selon le pays que presque toute profession comparable. Les grilles statutaires du Luxembourg, les plus élevées de l'OCDE, dépassent 120 000 € ; les enseignants allemands gagnent couramment 55 000–85 000 € avec le statut de fonctionnaire ; la moyenne américaine était d'environ 72 000 $ en 2023–24 selon la NEA ; l'échelle principale anglaise tournait autour de 32 000–49 000 £ en 2024–25 ; et les écoles privées à bas frais en Inde peuvent payer moins de 20 000 ₹ par mois.
L'UNESCO a estimé en 2023 que le monde a besoin de 44 millions d'enseignants supplémentaires d'ici 2030, dont environ 15 millions en Afrique subsaharienne, où le nombre d'élèves croît le plus vite. Dans les pays riches, le problème est l'attrition et le recrutement plutôt que la démographie : environ 8 % des enseignants américains quittent la profession chaque année, et les pénuries se concentrent en physique, mathématiques, informatique et éducation spécialisée.
Des parties du métier s'automatisent déjà : correction routinière, brouillons de fiches, exercices répétitifs et rapports administratifs. Mais le cœur de l'enseignement en classe — motiver trente vrais enfants, gérer le comportement, remarquer quel élève silencieux a cessé de comprendre mardi, et assumer les devoirs légaux de protection — n'a pas de substitut automatisé. La plupart des systèmes déploient des tuteurs IA comme couche de devoirs sous un enseignant humain, pas à sa place.
Le Global Teacher Status Index de la Fondation Varkey, qui a sondé 35 pays en 2018, a classé la Chine en tête — les répondants y comparaient les enseignants aux médecins —, avec la Malaisie et Taïwan tout près, tandis que plusieurs pays européens classaient les enseignants plus près des travailleurs sociaux ou des bibliothécaires. La Finlande est le cas type où la sélectivité entraîne le prestige : les programmes de professeur des écoles n'admettent qu'environ un candidat sur dix et exigent un master.
L'enseignement occupe une position étrange dans chaque prévision d'automatisation : sa couche de diffusion de contenu est parmi les travaux les plus automatisables — vidéo, logiciel adaptatif et tuteurs IA expliquent, exercent et notent déjà à l'échelle — tandis que sa couche de classe est parmi les moins. Un modèle peut expliquer la photosynthèse mieux que beaucoup d'humains ; il ne peut pas faire taire trente douze ans qui bavardent, remarquer que l'un n'a pas mangé, et assumer le devoir légal de protection.
Le futur proche réaliste est une division du travail, pas une substitution. Les systèmes de tutorat IA — du Khanmigo de Khan Academy basé sur GPT-4, piloté dans les écoles américaines à partir de 2023, aux applications adaptatives des marchés de tutorat asiatiques — deviennent une couche de devoirs et de pratique sous un enseignant humain, tandis que les mêmes modèles absorbent discrètement le composant le plus détesté de la profession : la paperasse.
Peut-être un cinquième des heures-tâches du métier — correction routinière, brouillons de fiches et de matériels de leçon, pratique d'exercices, rapports administratifs — est réalistement automatisable maintenant, et une grande part se déplace déjà vers les logiciels. Le cœur de la classe résiste : la gestion en direct d'une salle d'enfants, la motivation et les relations, la responsabilité de protection et le jugement sur le moment de ce qu'un apprenant précis a besoin sont des tâches qu'aucun système déployé n'exécute, et aucun gouvernement n'agréerait une machine pour assumer un devoir de protection.
Noté des tâches, pas du titre du poste. Plus bas, c'est plus sûr.
Tâches que l'IA ne peut pas →Les enfants apprennent pour des enseignants en qui ils ont confiance ; des décennies de recherche lient les relations enseignant-élève à l'assiduité, l'effort et les résultats. Aucun logiciel n'a reproduit l'effet d'un adulte qui vous connaît et attend des choses de vous.
Maintenir l'ordre et l'attention entre trente enfants aux humeurs et besoins conflictuels est une compétence sociale en temps réel impliquant présence, timing et autorité — rien dans la robotique ou l'IA actuelles ne s'en approche.
Les enseignants sont des adultes légalement responsables : repérer abus et négligence, gérer les urgences médicales, être redevables en personne aux parents et aux tribunaux. Les juridictions agréent des humains pour cela, et aucune ne se prépare à agréer autre chose.
L'école apprend aux enfants à être des personnes en groupe — prise de parole, désaccord, effort, réparation après conflit — largement en regardant des adultes le faire. Cet apprentissage d'être humain est la part de la scolarisation que les parents veulent le moins automatiser.
Décider que la mauvaise réponse de cet enfant signale une idée fausse, celle de celui-là une mauvaise nuit à la maison, et celle d'un troisième une difficulté d'apprentissage non diagnostiquée — puis agir différemment sur chacun dans la même minute — reste au-delà de tout système déployé.
La notation à choix multiples et réponse courte est automatisée depuis longtemps ; les grands modèles de langage rédigent désormais des retours sur dissertations et des scores de rubrique que les enseignants relisent plutôt qu'écrivent, effondrant des heures de correction hebdomadaire.
Relances d'assiduité, commentaires de bulletins, saisie de données et communication routinière avec les parents — les vilains des enquêtes sur la charge de travail — sont précisément les tâches denses en texte et calquées sur des modèles que l'IA actuelle absorbe en premier.
Fiches, quiz, passages de lecture différenciés et diapositives se génèrent maintenant en secondes et s'éditent plutôt qu'on les rédige ; des organismes nationaux depuis la Oak National Academy anglaise ont commencé à déployer des aides à la planification de leçons par IA en 2023–24.
Les plateformes adaptatives — Khan Academy, Duolingo, les applications de tutorat des marchés de cours du soir d'Asie orientale — exécutent déjà la pratique espacée et l'instruction procédurale à l'échelle, avec des tuteurs IA étendant cela à un guidage pas à pas.
Les pilotes scolaires de Khanmigo en 2023 esquissent le schéma émergent : chaque élève obtient un partenaire de pratique infatigable à la maison, tandis que l'enseignant orchestre, assigne et relit — une version massive et bon marché de ce que les marchés de tutorat privé vendaient aux familles aisées.
À mesure que la génération et la diffusion de contenu se bon marchissent, le travail différenciant se déplace vers la curation et l'orchestration : choisir ce que la classe fait de ses heures en direct partagées, séquencer la discussion humaine face à la pratique machine, et contrôler la qualité des matériaux produits par machine.
Les plateformes d'apprentissage font remonter la maîtrise par élève, les schémas d'erreur et les signaux d'alerte précoce autrefois invisibles entre les tests ; des systèmes de New York à Séoul, dont les manuels numériques IA se lancent à partir de 2025, parient que la couche analytique change les décisions de classe.
Les fermetures de 2020 ont forcé chaque enseignant à traverser la formation à l'enseignement à distance d'un coup, et l'infrastructure n'est jamais partie : plateformes de devoirs, leçons enregistrées et réunions virtuelles avec les parents persistent, et avec elles la demande d'enseignants fluides dans les deux salles.
Concevoir cours, matériels et évaluations pour écoles, éditeurs et formation d'entreprise — la destination à la croissance la plus rapide pour les enseignants quittant la classe, et un rôle que les chaînes d'outils IA étendent plutôt qu'elles ne réduisent.
Le marché mondial du tutorat — des plateformes vidéo individuelles aux écoles en ligne complètes — emploie d'anciens enseignants de classe par centaines de milliers, vendant exactement l'attention humaine et la responsabilité que la couche logicielle manque.
Interpréter l'exhausto de données des classes numériques pour écoles et districts : quelles interventions fonctionnent, quels élèves dérivent, quels tableaux de bord méritent confiance — un rôle entre expérience d'enseignement et science des données.
Les entreprises ed-tech et les ministères déployant des tuteurs IA ont besoin de personnes capables de juger pédagogie, exactitude et sécurité des enfants à la fois ; les enseignants expérimentés sont les relecteurs, aligneurs curriculaires et red-teamers naturels pour l'IA de classe.
Trois lentilles reversibles: augmenter, remplacer une tranche, ou ouvrir une niche. Pedagogique, pas une prevision.
Le role reste; l IA accelere brouillons ou recherche; le jugement reste humain.
Un paquet etroit de taches peut se comprimer d abord tandis que le craft adjacent croit.
Supervision et integration peuvent apparaitre la ou la sortie IA doit etre fiable.
Les tâches qui quittent le métier en premier sont celles que les enseignants ressentent le plus — correction, rapports, production de fiches — ce qui rend l'enseignement inhabituel parmi les professions face à l'automatisation : la technologie soustrait d'abord la corvée plutôt que le jugement. Le combat politique portera sur ce qui remplit les heures libérées : des charges de travail effectives plus petites, ou des classes plus grandes justifiées par l'assistance IA.
L'arithmétique de la demande protège la profession quoi qu'il arrive. Le déficit de 44 millions d'enseignants de l'UNESCO d'ici 2030 signifie que le problème de la plupart du monde est trop peu d'enseignants, pas trop ; aucun déploiement plausible d'IA ne comble une pénurie de cette taille dans des classes qui manquent souvent d'électricité avant de manquer de logiciels.
Le pari à long terme inscrit dans chaque système scolaire est que la formation de l'enfance — attention, motivation, conduite, protection — exige des adultes humains responsables dans des salles avec des enfants. Rien dans la vague technologique actuelle n'a testé ce pari ; elle n'a testé que les fiches.
Les voisins les plus proches sur le profil de six points — pas seulement le même champ.
Le métier qui court vers ce que les autres fuient — des vigiles de Rome et porteurs de matoi d'Edo aux équipes de feux de forêt et gardes de secours vingt-quatre heures d'aujourd'hui.
Résistant à l'IA 90 💉La plus grande profession de la santé : de la lampe de Scutari au moniteur de réanimation, la personne encore au chevet du patient quand tous les autres sont rentrés chez eux.
Résistant à l'IA 91 🚓L’agent assermenté qui patrouille, enquête et maintient l’ordre, des détectives infiltrés de Vidocq et des constables de Peel en 1829 jusqu’à la confiance publique aujourd’hui contestée.
Résistant à l'IA 66 🌉Le métier qui transforme les rivières, les roches et la gravité en ponts, en routes et en eau potable – le métier tranquille et porteur de la civilisation depuis Imhotep.
Résistant à l'IA 72 🧬Aide les gens à comprendre les maladies héréditaires, les choix et les résultats des tests, en combinant la science génomique avec des conseils non directifs et compatissants.
Résistant à l'IA 72 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
Résistant à l'IA 70L'érudit payé pour professer une discipline en public — vingt-cinq siècles d'enseignement et de découverte, du bosquet de Platon à la titularisation et au tuteur IA.
Résistant à l'IA 76 📜L'enquêteur formé du passé — d'Hérodote et Sima Qian aux archives numériques, transformant des documents fragiles en récits vérifiables de ce qui s'est passé.
Résistant à l'IA 70 🧩Le scientifique de l'esprit et du comportement, du laboratoire de Wundt à Leipzig en 1879 à la salle de thérapie — formé pour entendre ce qu'une personne ne peut pas encore se dire elle-même.
Résistant à l'IA 82 🌐Le métier qui transporte le sens d'une langue à l'autre — de la Septante et de la Vulgate de Jérôme à Tolède, les cabines de Nuremberg et l'ère de la traduction automatique.
Résistant à l'IA 28 📖Gardien et guide du savoir enregistré, des tablettes d'argile de Ninive à la bataille du prêt numérique — organiser ce que l'humanité sait pour que chacun puisse le trouver.
Résistant à l'IA 55