Le diplôme en informatique est désormais facultatif.
Les compétences, elles, ne le sont pas.
Cette phrase va mettre beaucoup de gens en colère, et la plupart seront des personnes qui ont passé quatre ans et beaucoup d'argent à obtenir un diplôme que le marché est en train de dévaloriser silencieusement. Je comprends cette colère. Cela ne change pas la réalité. En 2026, les entreprises qui recrutent pour des postes d'ingénieur IA regardent ce que vous savez construire, pas où vous avez écouté des cours.
Je ne dis pas qu'un diplôme en informatique ne sert à rien. Si vous en avez un, cela aide. Ce que je dis, c'est que le diplôme a cessé d'être la porte d'entrée. La porte d'entrée, c'est désormais la preuve. Pouvez-vous construire quelque chose qui fonctionne, expliquer pourquoi ça fonctionne, et le livrer là où quelqu'un peut réellement le voir. C'est tout le test.
Voici le chemin complet pour réussir ce test sans diplôme. Pas de blabla motivationnel, pas de « crois en toi ». Une vraie pile technologique, dans l'ordre, avec les projets exacts qui vous feront embaucher et la manière exacte d'apprendre chaque élément en utilisant les outils déjà présents sur votre ordinateur.
Pourquoi l'ancienne voie est brisée
La voie traditionnelle vous disait d'obtenir le diplôme, de postuler par la porte d'entrée et d'attendre la permission. Cette voie supposait que le diplôme était la ressource rare. Ce n'est plus le cas.
Voici ce qui s'est réellement passé. Les outils d'IA ont effondré la distance entre la connaissance d'un concept et sa mise en œuvre. Il y a dix ans, transformer une idée en logiciel fonctionnel nécessitait des années de connaissances syntaxiques accumulées. Aujourd'hui, la syntaxe est la partie la moins chère. La partie rare est de savoir QUOI construire, COMMENT le structurer, et POURQUOI une approche est meilleure qu'une autre. Ce sont des compétences de jugement, et le jugement ne vient pas d'un diplôme. Il vient du fait de construire des choses, de les casser, et de les reconstruire.
Donc, les personnes embauchées en ce moment ne sont pas celles qui ont le relevé de notes le plus impressionnant. Ce sont celles qui ont une trace publique des choses qu'elles ont construites. Un GitHub rempli de projets réels. Une démo sur laquelle quelqu'un peut cliquer. Un fil expliquant comment elles ont résolu un problème difficile. Cette trace vaut plus qu'un diplôme car elle prouve exactement ce qu'un employeur a besoin de savoir : si vous êtes capable de faire le travail.
L'erreur que la plupart des gens commettent est de passer des mois à se préparer à être prêts au lieu de construire cette trace. Ils suivent un cours de plus, regardent un tutoriel de plus, attendent de se sentir qualifiés. Ce sentiment n'arrive jamais. On ne devient pas ingénieur IA en terminant un programme d'études. On le devient en construisant des systèmes d'IA, maladroitement au début, puis moins maladroitement, jusqu'à ce que les choses que vous construisez fonctionnent réellement.
Ce qu'est réellement un ingénieur IA en 2026
Avant la pile technologique, clarifions la définition, car la plupart des gens visent la mauvaise cible.
Un ingénieur IA n'est pas un chercheur en apprentissage automatique. Vous n'entraînez pas de modèles fondation à partir de zéro et vous ne publiez pas d'articles sur de nouvelles architectures. C'est un métier différent, qui nécessite des mathématiques approfondies et généralement un diplôme supérieur.
Un ingénieur IA CONSTRUIT avec des modèles qui existent déjà. Vous prenez Claude, GPT ou des modèles ouverts et vous les intégrez dans des systèmes qui effectuent un travail utile. Vous les connectez à des données. Vous leur donnez des outils. Vous construisez la récupération, la mémoire, les boucles d'agents et les garde-fous qui transforment un modèle brut en un produit. Vous êtes un architecte de systèmes dont le composant le plus puissant se trouve être un modèle de langage.
Cette distinction est importante car elle vous dit quoi apprendre réellement. Vous n'avez pas besoin de comprendre la rétropropagation pour être excellent dans ce métier. Vous devez comprendre comment fournir le bon contexte à un modèle, comment structurer une tâche en plusieurs étapes pour qu'elle ne s'effondre pas, comment vérifier les résultats, et comment déployer le tout pour qu'il fonctionne de manière fiable. Ce sont des compétences d'ingénierie, et chacune d'elles peut être apprise sans diplôme.
La pile technologique, dans l'ordre
Apprenez-les dans cet ordre. Chacune repose sur la précédente. Sauter des étapes est la façon la plus courante de caler, car les gens essaient de construire des agents avant de savoir gérer les données, puis se demandent pourquoi rien ne fonctionne.
1. Python. Fonctions, classes, asynchrone. Vous n'avez pas besoin d'être un sorcier de Python. Vous devez être suffisamment à l'aise pour lire du code, écrire des scripts et comprendre ce qu'un assistant de codage IA produit pour vous. L'asynchrone est important car la plupart du travail en IA implique d'attendre des appels API, et le code bloquant ralentira tout ce que vous construirez.
2. SQL et gestion des données. Presque toutes les applications IA réelles touchent à des données. Vous devez les extraire, les nettoyer et les façonner. SQL est le langage universel pour cela et il a à peine changé depuis des décennies, ce qui en fait une compétence sûre et permanente à posséder.
3. Git, ligne de commande et bases de Linux. C'est l'environnement dans lequel vivent tous les outils sérieux. Claude Code fonctionne dans le terminal. Le déploiement se fait sur des serveurs Linux. Le contrôle de version est la façon d'éviter de perdre votre travail et de collaborer. Personne n'embauche un ingénieur IA qui ne sait pas utiliser un terminal.
4. API REST et intégration d'API LLM. C'est là que l'ingénierie IA commence réellement. Vous apprenez à appeler un modèle par programmation, à gérer ses réponses, à gérer les limites de débit et à traiter les erreurs. Chaque produit IA est fondamentalement une série d'appels API bien structurés.
5. Embeddings et recherche vectorielle. C'est ainsi que les machines comprennent le sens au lieu de simplement faire correspondre des mots-clés. Vous convertissez du texte en vecteurs, vous les stockez et vous recherchez par similarité. C'est le fondement de tout système de récupération et le concept que la plupart des débutants sautent et regrettent plus tard.
6. RAG, construit de bout en bout. Retrieval Augmented Generation (Génération Augmentée par Récupération). Vous donnez à un modèle l'accès à vos propres documents afin qu'il réponde à partir d'informations réelles au lieu de deviner. C'est la compétence la plus demandée en IA appliquée en ce moment, car presque toutes les entreprises veulent un système capable de répondre à des questions sur leurs propres données.
7. Frameworks d'agents et utilisation d'outils. Vous passez d'un modèle qui répond à un modèle qui agit. Il appelle des outils, exécute des tâches en plusieurs étapes et effectue un travail réel. C'est la frontière, et être compétent ici vous distingue de la foule qui écrit encore des invites uniques.
8. Déploiement et MLOps de base. Un projet qui ne fonctionne que sur votre ordinateur portable est un hobby. Vous devez savoir comment le faire fonctionner dans un environnement réel, surveillé et fiable. C'est la différence entre « j'ai construit une démo » et « j'ai livré un produit ».
9. Outils de développement IA. Claude Code, Cursor et les outils agentiques qui vous rendent considérablement plus rapide. Maîtriser ces outils n'est pas de la triche. C'est le travail réel. Un ingénieur IA qui ne peut pas utiliser l'IA pour construire plus vite, c'est comme un charpentier qui refuse les outils électriques.
Les 3 projets qui vous feront réellement embaucher
Personne ne vous embauche pour avoir terminé des cours. On vous embauche pour des preuves. Construisez ces trois projets et vous aurez des preuves couvrant toute la pile technologique.
Projet 1. Une application RAG utilisant vos propres données.
Prenez un corpus réel de documents. Vos notes, un ensemble de PDF, les documents publics d'une entreprise, n'importe quoi. Construisez un système qui les ingère, les transforme en embeddings, stocke les vecteurs et répond aux questions en se basant uniquement sur ces données. Ce seul projet prouve la récupération, les embeddings, le découpage et la capacité à prévenir les hallucinations. C'est la chose la plus directement embauchable que vous puissiez construire car c'est exactement ce que les entreprises veulent.
Projet 2. Un agent IA qui utilise des outils.
Construisez un agent qui non seulement répond mais agit. Il appelle au moins deux outils réels : une API de recherche, une calculatrice, un rédacteur de fichiers, un calendrier. Il planifie, exécute et gère le cas où un outil échoue. Cela prouve que vous comprenez la conception d'agents, pas seulement le prompting, ce qui est la compétence que la plupart des débutants ne démontrent jamais réellement.
Projet 3. Un produit IA complet, déployé.
Prenez l'un des projets ci-dessus et livrez-le. Une vraie interface, un backend, déployé quelque part avec une URL publique qu'un inconnu peut visiter et utiliser. Cela prouve ce qui préoccupe le plus les employeurs : que vous pouvez livrer au-delà du « ça marche sur ma machine ». Un projet déployé vaut dix projets locaux sur un CV.
Trois projets. Couverture complète de la pile. Preuve publique. Ce portfolio bat la plupart des diplômes pour ce métier spécifique.
Comment apprendre réellement chaque élément
Voici la partie que la plupart des guides omettent. Vous n'avez pas besoin d'acheter un cours à 500 € pour apprendre tout cela. Vous avez le meilleur tuteur jamais construit sur votre ordinateur. Utilisez le modèle pour vous enseigner les compétences que vous utiliserez pour construire avec le modèle.
Utilisez cette invite pour transformer Claude en un tuteur structuré pour n'importe quelle compétence de la pile :
Tu es mon tuteur en codage pour [COMPÉTENCE, ex. embeddings et recherche vectorielle].
J'apprends à devenir ingénieur IA et je n'ai pas de diplôme en informatique.
Enseigne-moi de manière pratique, pas théorique.
- Explique le concept central en langage simple avec une analogie concrète.
- Donne-moi le plus petit exemple de code fonctionnel que je puisse exécuter aujourd'hui.
- Donne-moi un exercice légèrement plus difficile à faire par moi-même.
- Après que j'aie partagé ma tentative, critique-la et indique ce qu'un ingénieur senior ferait différemment.
Suppose que j'apprends en construisant et en cassant des choses, pas en lisant.
Attends que j'aie terminé chaque étape avant de passer à la suivante.
Cette seule invite remplace la plupart des cours payants. Elle s'adapte à votre niveau, répond à vos questions exactes et ne passe jamais à autre chose tant que vous n'avez pas vraiment compris.
Pour les projets, utilisez Claude Code pour échafauder, puis forcez-vous à comprendre chaque ligne. Ne copiez pas aveuglément. Après qu'il ait généré le code, exécutez ceci :
Explique-moi le code que tu viens d'écrire ligne par ligne.
Pour chaque section, explique ce qu'elle fait et pourquoi tu as choisi cette approche
plutôt que l'alternative évidente. Ensuite, indique la partie la plus susceptible
de casser en production et comment je la réparerais.
C'est ainsi que vous construisez une véritable compréhension au lieu d'un tas de code que vous ne pouvez pas expliquer lors d'un entretien. Les personnes qui échouent aux entretiens sont celles qui ont construit des projets qu'elles ne peuvent pas réellement expliquer. Ne soyez pas cette personne.
Comment se faire embaucher sans le diplôme
Le portfolio est nécessaire mais pas suffisant. Vous devez aussi être visible, car personne n'embauche une preuve qu'il ne peut pas trouver.
Construisez en public. Pour chaque projet que vous construisez, écrivez à son sujet. Un fil sur ce que vous avez construit, la partie difficile, comment vous l'avez résolue. Cela fait deux choses. Cela crée une trace publique qui apparaît lorsque quelqu'un cherche votre nom, et cela vous oblige à comprendre votre propre travail suffisamment bien pour l'expliquer. Les employeurs trouvent de plus en plus les ingénieurs via leurs constructions publiques, pas via les sites d'emploi.
Contribuez à l'open source. Trouvez un projet IA que vous utilisez et corrigez quelque chose. Un bug, une amélioration de documentation, une petite fonctionnalité. Une pull request fusionnée dans un projet réel est un diplôme qu'aucun diplôme universitaire ne peut vous donner. Cela prouve que vous pouvez travailler dans le code de quelqu'un d'autre, ce qui constitue la majeure partie du travail réel.
Contactez directement avec des preuves, pas des demandes. N'envoyez pas « Je cherche des opportunités ». Envoyez « J'ai construit ce truc qui résout le problème exact de votre produit, voici la démo ». Joignez la preuve. Cela fonctionne car cela démontre la compétence dans l'acte même de demander le poste.
Voici un modèle pour ce type de contact :
Objet : J'ai construit un [truc] qui résout [problème spécifique que vous avez remarqué]
Bonjour [nom],
J'ai remarqué [observation spécifique et réelle sur leur produit ou problème].
J'ai construit un prototype fonctionnel qui y répond : [lien vers la démo en direct].
Il utilise [l'approche technique spécifique], et voici le code : [lien vers le dépôt].
Je suis ingénieur IA à la recherche de mon prochain poste. Si cela vous est utile,
j'aimerais 15 minutes pour vous expliquer comment je le développerais correctement.
[Votre nom]
Cet e-mail fonctionne car il commence par une preuve et demande presque rien. C'est l'opposé de la candidature générique qui est ignorée.
Faites du freelance pour entrer. Si l'embauche directe est lente, prenez de petits projets rémunérés. Construisez un bot RAG pour une entreprise locale. Automatisez quelque chose pour une petite entreprise. Un travail rémunéré, même minuscule, est la preuve la plus solide possible car quelqu'un l'a suffisamment valorisé pour payer. Trois petits projets rémunérés sur votre profil changent la façon dont chaque futur employeur vous perçoit.
Choisir une spécialisation une fois les bases acquises
Une fois que vous maîtrisez la pile et les trois projets, une question se pose que personne ne vous avait annoncée. L'ingénierie IA est vaste, et essayer d'être excellent dans tout vous rend médiocre dans tous les domaines. Les personnes embauchées le plus rapidement choisissent une voie.
Voici les voies qui recrutent actuellement, et comment savoir laquelle vous correspond.
RAG et systèmes de connaissances. Si vous avez le plus aimé le projet un, le travail de récupération, le découpage, l'ancrage, c'est votre voie. Chaque entreprise avec des documents internes veut quelqu'un qui peut construire un système répondant avec précision à leur sujet. C'est la spécialisation la plus sûre, la plus demandée et la plus facile à prouver, car le cas d'usage est universel.
Systèmes agentiques. Si le projet deux vous a enthousiasmé, l'utilisation d'outils, l'exécution multi-étapes, l'orchestration, c'est la voie de pointe. C'est celle qui paie le mieux et qui a le moins de concurrence car c'est la plus difficile à bien faire. Le compromis est que la preuve est plus difficile à construire et que le domaine évolue vite, vous devez donc apprendre constamment.
Ingénierie de produit IA. Si vous vous souciez le plus du projet trois, l'interface, le déploiement, le fait de le rendre réel, vous êtes un ingénieur produit qui se spécialise dans l'IA. Cette voie valorise la livraison plus que l'ingéniosité, et c'est là que se trouvent la plupart des emplois réels, car la plupart des entreprises ont besoin de quelqu'un qui peut transformer une capacité IA en quelque chose que les utilisateurs peuvent réellement utiliser.
Choisissez-en une en fonction du projet que vous avez réellement apprécié, pas de celui qui semble le plus impressionnant. Le plaisir est le seul carburant qui survit à la partie ennuyeuse du milieu du chemin pour devenir bon dans quelque chose. La spécialisation que vous choisissez par intérêt, vous vous y tiendrez. Celle que vous choisissez par statut, vous l'abandonnerez.
Ensuite, allez en profondeur. Construisez trois autres projets dans votre voie choisie. Écrivez à propos de chacun d'eux. Devenez la personne dont le nom vient à l'esprit quand quelqu'un a besoin de cette chose spécifique. Les spécialistes sont embauchés. Les généralistes sont filtrés.
À quoi ressemblent réellement les 6 premiers mois en poste
Il est utile de savoir ce que vous visez, car le travail n'est pas ce que les tutoriels laissent entendre.
La plupart de votre temps ne sera pas consacré à écrire des invites astucieuses. Il sera consacré au travail ingrat qui rend les systèmes d'IA réellement fiables. Gérer les cas particuliers où le modèle fait quelque chose d'étrange. Construire les évaluations qui vous disent si un changement a amélioré ou aggravé les choses. Préparer les données dans une forme que le système peut utiliser. Déboguer pourquoi l'agent a fonctionné en test et a échoué en production.
C'est une bonne nouvelle pour quelqu'un sans diplôme, car rien de tout cela n'est théorique. Tout est de l'ingénierie pratique, apprenable en faisant, exactement le genre de chose pour laquelle vos projets de portfolio vous ont déjà formé. La personne qui a construit trois vrais projets et les a débogués quand ils ont cassé est bien mieux préparée pour cela que la personne qui a réussi un examen théorique et n'a jamais rien livré.
Les ingénieurs qui prospèrent dans les six premiers mois sont ceux qui sont à l'aise avec le fait que le système est imparfait et que leur travail consiste à le rendre régulièrement moins imparfait. Si vous avez correctement construit vos projets, en les cassant et en les réparant, vous avez déjà ce muscle. C'est toute la raison pour laquelle la voie de la construction prime sur la voie du diplôme pour ce métier spécifique.
L'enfer des tutoriels. Regarder des tutoriels sans fin donne l'impression de progresser. Ce n'est pas le cas. C'est de la consommation déguisée en production. La règle est simple. Pour chaque heure d'apprentissage, construisez pendant deux heures. Si vous ne construisez pas, vous n'apprenez pas, vous êtes simplement diverti.
Attendre de se sentir prêt. Vous ne vous sentirez jamais prêt. Les personnes qui réussissent commencent à construire avant de se sentir qualifiées et se qualifient en construisant. Livrez la première version moche. Améliorez-la en public.
Apprendre dans le mauvais ordre. Essayer de construire des agents avant de savoir gérer les données et les API. La pile est séquencée pour une raison. Respectez l'ordre et chaque élément s'emboîte. Sautez des étapes et vous construisez sur du sable.
Construire des projets que personne ne peut voir. Un projet brillant enfermé dans un dépôt privé n'existe pas, du point de vue de votre carrière. Tout est livré en public. Le but est la preuve, et la preuve nécessite un public.
Copier du code que vous ne pouvez pas expliquer. Le moyen le plus rapide d'échouer à un entretien. Si Claude l'a écrit, comprenez-le avant de le revendiquer. Votre capacité à expliquer votre propre travail est l'intégralité du test.
Votre plan sur 90 jours
Vous n'avez pas besoin d'années. Vous avez besoin de 90 jours ciblés.
Jours 1 à 30. Fondations. Maîtrise de Python, SQL, git, ligne de commande, et vos premiers appels API à un modèle. Au jour 30, vous devriez être à l'aise pour appeler un LLM par programmation et gérer la réponse. Construisez petit. Un script qui résume un document. Un outil qui répond à des questions sur un fichier texte.
Jours 31 à 60. Projets un et deux. Construisez l'application RAG. Puis construisez l'agent. Ne visez pas la perfection. Visez le fonctionnement, puis l'explicabilité. Écrivez un fil sur chacun quand vous avez terminé. Au jour 60, vous avez deux vrais projets et deux publications publiques.
Jours 61 à 90. Déployez et devenez visible. Livrez le projet trois avec une URL publique. Commencez les contacts. Contribuez à une pull request open source. Publiez régulièrement sur ce que vous construisez. Au jour 90, vous avez un portfolio, une trace publique et des conversations actives avec des personnes qui pourraient vous embaucher.
Ce n'est pas un calendrier fantaisiste. Il est agressif mais réaliste pour quelqu'un qui le prend au sérieux et construit chaque jour. Les personnes qui échouent à ce calendrier sont celles qui passent leur temps à se préparer au lieu de construire.
La vraie raison pour laquelle cela fonctionne maintenant
Le diplôme a toujours été un proxy. Les employeurs ne pouvaient pas mesurer directement si vous étiez capable de faire le travail, ils utilisaient donc le diplôme comme substitut. Le diplôme disait « cette personne peut probablement apprendre des choses difficiles et terminer ce qu'elle commence ».
L'ingénierie IA a brisé ce proxy, car vous pouvez désormais démontrer directement la compétence exacte. Un système RAG déployé n'est pas un proxy pour la compétence. C'EST la compétence, rendue visible. Lorsque vous pouvez montrer la chose réelle, le substitut de la chose cesse d'avoir de l'importance.
C'est tout le changement. Non pas que les diplômes soient devenus inutiles, mais que la preuve est devenue directement disponible. Et quand la preuve est disponible, les personnes qui la fournissent battent celles qui n'ont que le proxy.
Alors arrêtez d'attendre la permission. Arrêtez de vous préparer à être prêt. Choisissez la première compétence de la pile, ouvrez Claude, et construisez la plus petite chose fonctionnelle possible aujourd'hui. Puis construisez une chose légèrement plus grande demain. Après 90 jours de cela, vous aurez quelque chose qu'aucun diplôme ne peut vous donner : la preuve que vous pouvez réellement faire le travail.
Le diplôme en informatique est désormais facultatif.
Les compétences, elles, ne le sont pas.
Allez construire la preuve.
Suivez @cyrilXBT pour les constructions complètes derrière chaque projet de cet article, ainsi que les invites et piles exactes que j'utilise.
