BLOG
Trois vagues de migration des talents en IA en trois ans : dans quelle rivière se positionner quand on entre dans le secteur aujourd'hui ?
Trois ans et demi après l’explosion de la vague des grands modèles, les talents chinois de l’IA ont également connu trois grandes vagues de migration.
Ce constat vient d’une enquête approfondie de Leiphone publiée début septembre — ils ont interrogé plusieurs chasseurs de têtes spécialisés dans les talents en algorithmes d’IA, et ont structuré les mouvements de talents de cette période en trois vagues : d’abord l’équipe de Wenxin de Baidu a été prisée d’assaut, puis les talents des « six petites tigres » ont été répartis, et aujourd’hui les talents en inférence, en Agent et en Infra sont les nouveaux chouchous.
Un chiffre dans l’article est frappant : l’ancienneté moyenne des talents en IA est passée de 2-3 ans à 1-1,5 an. Autrement dit, les personnes de ce secteur changent de travail en moyenne tous les an et demi.
En tant que personne qui dirige des équipes depuis plus de dix ans et qui a vécu personnellement deux cycles technologiques — de l’Internet mobile à l’IA —, je souhaite parler de la logique derrière ces trois vagues de migration, et d’une question plus concrète : dans quelle rivière se positionner quand on veut entrer dans le secteur de l’IA aujourd’hui.
Trois vagues de migration, les vagues frappent au rythme du secteur
Première vague, en 2023 : on s’arrache les talents en pré-entraînement, le baromètre c’est Baidu.
Après le lancement de ChatGPT, Baidu a réagi le plus vite : en mars 2023, Wenxin Yiyan a tiré le premier coup en Chine, en procédant à une « réorganisation en temps de guerre » de ses élites en NLP accumulées depuis des années. Résultat : quiconque avait « Wenxin » sur son CV voyait sa valeur monter en flèche. Selon les chasseurs de têtes interrogés par Leiphone, pour une même personne, une entreprise proposait 2 millions, une autre 3 millions, une autre encore 5 millions, les offres s’empilant les unes sur les autres.
Deux types d’entreprises recrutaient : les « six petites tigres » nouvellement créées (Moonshot AI, Baichuan, StepFun, 01.AI, etc.), et Alibaba, ByteDance et Tencent qui suivaient de près. Selon les estimations des chasseurs de têtes, 70 à 80 % des talents en pré-entraînement ont été répartis entre ByteDance, Xiaohongshu, Pinduoduo et les six petites tigres.
Deuxième vague, début 2025 : les six petites tigres se différencient, ByteDance et Tencent deviennent les destinations des flux.
Sous l’impact de DeepSeek et face à une concurrence encombrée, Baichuan s’est orienté vers le secteur médical vertical, et 01.AI a intégré son équipe d’entraînement dans un laboratoire conjoint avec Alibaba Cloud — le camp des start-ups a rétréci, et un grand nombre de talents en pré-entraînement sont de nouveau arrivés sur le marché. À cette époque, ByteDance a mené trois phases successives de recrutement, et Tencent a également complété deux vagues d’introduction de talents autour de l’arrivée de Yao Shunyu.
Troisième vague, depuis le Nouvel An chinois 2025 jusqu’à aujourd’hui : on s’arrache les talents en post-entraînement, en Agent et en Infra.
DeepSeek R1 a permis à tout le secteur de mesurer le rapport qualité-prix de l’inférence, et en 2026 les Agents ont connu une explosion généralisée — après le succès fulgurant de Manus et de Claude Coding Agent, les mouvements de talents au sein des équipes dédiées aux Coding Agent sont extrêmement intenses. Parallèlement, les besoins en recrutement pour le pré-entraînement ont baissé de 30 à 40 % par rapport au pic.
Vous voyez la logique ? Chaque vague de mobilité des talents frappe précisément au rythme de la concurrence du secteur. Quand les modèles de base ne peuvent plus se différencier, les talents en pré-entraînement circulent ; quand le rapport qualité-prix de l’inférence est validé, les talents en post-entraînement voient leur valeur monter ; quand les Agents décollent, les personnes capables de mettre en œuvre des projets concrets sont prisées d’assaut.
Ce que le secteur manque le plus à chaque étape, c’est là que les talents se dirigent — le salaire n’est que le résultat, pas la cause.
Pourquoi les grandes entreprises ne parviennent-elles pas à retenir les talents ? Trois facteurs dévastateurs
Les chasseurs de têtes ont résumé trois forces, je les classe selon l’impact que j’ai observé.
Premier facteur : le cours de l’action et la capitalisation boursière. Plus de la moitié de la rémunération des ingénieurs techniques de base des grandes entreprises est constituée d’actions. Quand le cours de l’action est atone, la rétention des talents devient difficile. L’enquête cite explicitement Kuaishou — sous pression sur le cours de l’action, les membres clés de l’équipe de modèles textuels ont quitté très tôt ; c’est similaire pour Meituan. Quand l’argent n’est pas au rendez-vous, l’idéalisme ne tient pas deux jours de paie.
Deuxième facteur : l’orientation stratégique. L’exemple le plus typique est Huawei — son activité principale est la vente de puces Ascend et de matériel de calcul, les grands modèles sont davantage positionnés comme un accompagnement, ce qui affecte directement les attentes d’investissement de l’équipe de modèles, faisant de l’entreprise un lieu de départ de talents. C’est la même logique pour le virage de Baichuan vers le secteur médical vertical : dès que la stratégie de l’entreprise change de cap, toute l’équipe perd son sens de la direction, et les gens partent plus vite que personne.
Troisième facteur : l’adaptation de la structure organisationnelle, c’est le plus discret et le plus fatal. La structure hiérarchique des grandes entreprises traditionnelles ne s’adapte pas au rythme de recherche et développement des grands modèles. Les chasseurs de têtes l’ont dit très clairement : « Face à de nouvelles activités et à de nouvelles stratégies, l’ajustement de la structure organisationnelle doit souvent être fait en premier, mais peu d’entreprises sont capables de prendre la décision rapidement. »
J’ajoute une version que j’ai vue de mes propres yeux : des anciens employés qui occupent des postes, des lignes de reporting qui s’empilent, une décision qui met trois mois à sortir de la salle de réunion — les véritables talents de l’IA de premier plan sont des valeurs sûres sur le marché, ils ne vont pas perdre leur temps avec vous.
Ce qui est intéressant, c’est qu’Alibaba est un contre-exemple : la grande majorité des talents en modèles de base de Tongyi sont recrutés sur le campus ou formés en interne, très peu sont recrutés sur le marché externe, et pourtant c’est l’entreprise dont la structure de talents est la plus stable. Recruter à l’extérieur permet de résoudre le problème de « l’avoir ou non », mais pas celui de « le retenir ou non ».
L’anxiété liée à l’âge : moitié vraie, moitié fausse
Deux détails de l’enquête sont très marquants.
Premièrement, les talents en pré-entraînement se tournent rarement vers le post-entraînement — selon les chasseurs de têtes, la raison en est la « barrière de la spécialisation » associée à une « obsession technique » : les personnes qui font des socles de modèles refusent par principe de se tourner vers le fine-tuning.
Deuxièmement, les talents de 30 à 40 ans de la première phase de l’IA commencent à revenir vers les universités et les instituts de recherche publics — Wang Zhongyuan, ancien vice-président de Kuaishou, est devenu directeur de l’Institut de recherche Zhiyuan début 2024. Parallèlement, le marché privilégie nettement les jeunes de la vingtaine, au pic de leur créativité.
L’anxiété liée à l’âge est-elle réelle ? Mon jugement est le suivant : l’anxiété liée à l’âge pour la « pure exécution » est réelle, mais il n’y a pas d’anxiété liée à l’âge pour le « jugement ».
Si vous regardez de près les personnes qui reviennent vers les universités, ce ne sont pas des personnes éliminées, ce sont les plus talentueuses — elles vont dans des instituts de recherche, font de l’exploration de pointe, et s’appuient sur le jugement accumulé au fil des ans. Quant aux jeunes de la vingtaine que le marché privilégie, on les recherche pour des postes de type « endurance + vitesse d’apprentissage » : du pré-entraînement à haute intensité, des travaux d’ingénierie à itération rapide.
Donc la vraie question n’est pas « peut-on encore travailler dans l’IA à 30 ans ? », mais : après 30 ans, votre valeur réside-t-elle toujours dans « je peux encaisser la charge », ou s’est-elle accumulée en « je sais ce qu’il faut faire et ce qu’il ne faut pas faire » ?
Les premiers se dévalorisent très vite dans le secteur de l’IA — parce que l’IA elle-même automatise la partie « charge de travail » ; les seconds deviennent au contraire de plus en plus précieux — parce que le rythme du secteur est trop rapide pour avoir le temps de tâtonner, et le jugement devient un bien rare.
Quels talents seront recherchés dans la prochaine vague ?
Regardons d’abord les deux catégories les plus prisées aujourd’hui :
Les talents en AI Infra — des postes comme l’ordonnancement de clusters GPU, l’optimisation de frameworks d’inférence, la compilation FPGA. Pourquoi ? Parce que la puissance de calcul est chère, et pour une même carte, la différence d’efficacité peut être de plusieurs fois selon la qualité de l’ordonnancement. Ces personnes déterminent directement si les cartes sont utilisées à plein régime.
Les talents en données — la puissance de calcul est devenue un paramètre objectif fixe (on peut en acheter si on a l’argent), l’architecture des modèles a atteint une phase de plateau (tout le monde a plus ou moins le même niveau), donc le consensus du secteur est devenu « les données de haute qualité sont le principal obstacle de la deuxième phase ». Les ajustements récents des équipes de données dans de grandes entreprises comme ByteDance en sont le signal.
Quels talents seront recherchés dans la prochaine vague ? J’en déduis deux catégories :
Les talents « traducteurs » entre IA et métier. Après l’explosion généralisée des Agents, le goulot d’étranglement est passé de « le modèle est-il assez intelligent » à « peut-on l’intégrer dans le métier ». Les personnes qui comprennent à la fois les processus métier, les limites des capacités de l’IA et qui sont capables de concevoir des parcours de mise en œuvre sont aujourd’hui très rares — et c’est précisément le point d’entrée le plus réaliste pour la plupart des professionnels, bien plus réaliste que de se convertir à l’algorithmique.
Les talents en qualité et sécurité de l’IA. Le cycle de publication des grands modèles est passé de 4,5-6 mois à 3,5 mois, et la probabilité d’incidents augmente en conséquence. Qui est responsable de la validation avant la mise en ligne d’un modèle ? Qui prend en charge les hallucinations ? Qui s’occupe de la conformité ? Ces postes n’ont pas encore de séquences de grades clairement définies, mais la demande augmente — tout comme il y a dix ans, personne ne savait que « ingénieur de test » deviendrait un métier à part entière.
Le cadre de jugement se résume en une phrase : regardez où se déplace le goulot d’étranglement du secteur, c’est là que les talents deviennent plus chers. À l’ère des socles de modèles, le goulot d’étranglement est l’algorithmique ; à l’ère de l’inférence, c’est l’efficacité ; à l’ère des applications, c’est la mise en œuvre — aligner vos compétences sur le prochain goulot d’étranglement vaut mieux que de courir après n’importe quelle tendance.
Trois voies pour entrer dans le secteur de l’IA aujourd’hui
Classez-vous selon le niveau d’exigence, du plus faible au plus élevé.
Première voie : ne changez pas de métier, commencez par ajouter « IA+ » à votre poste actuel. C’est ce que je recommande le plus à la plupart des gens. Vous n’avez pas besoin de rejoindre une entreprise d’IA pour toucher à l’IA — si vous refaites le travail de votre poste avec l’IA, et que vous obtenez des gains d’efficacité mesurables, vous êtes déjà un talent « traducteur » entre IA et métier. C’est cent fois plus réaliste que de se convertir à l’algorithmique sans préparation, et le déploiement massif de modèles de post-entraînement propres dans les secteurs verticaux est en cours — la finance et la santé construisent toutes leurs propres équipes d’IA, et ce qui leur manque le plus, ce ne sont pas des algorithmes, mais des personnes qui comprennent le métier et savent utiliser l’IA.
Deuxième voie : se convertir à l’ingénierie IA, en commençant par la couche applicative des Agents. Si vous êtes développeur, ne vous lancez pas d’emblée dans le pré-entraînement (cette fenêtre est fermée, et la demande a baissé de 30 à 40 %). Commencez par le développement d’applications Agent — orchestration de flux de travail, appel d’outils, RAG, évaluation : ce sont les domaines où la demande est la plus forte aujourd’hui, où le niveau d’exigence est relativement accessible, et qui ne seront pas remplacés par les progrès des modèles à court terme. Selon l’enquête, les équipes dédiées aux Coding Agent recrutent le plus activement aujourd’hui.
Troisième voie : pour les jeunes diplômés ou les reconversions profondes, optez pour l’Infra ou les données. Si vous êtes étudiant ou que vous décidez de vous reconvertir profondément, l’Infra (ordonnancement GPU / optimisation d’inférence) et l’ingénierie des données sont des valeurs sûres pour les trois prochaines années — elles ont un haut niveau de barrière, peu de talents et une demande rigide. Mais il faut être conscient que la courbe d’apprentissage de cette voie est raide, qu’elle demande un vrai travail, et que ce n’est pas quelque chose qui se résout en suivant des cours pendant deux mois.
Pour finir, un peu de réalisme : dans un secteur où l’ancienneté moyenne est de 1-1,5 an, la volatilité est la norme. Ne considérez pas « entrer dans l’IA » comme une action unique — entrer dans le secteur, c’est juste obtenir son billet d’entrée ; pour rester à la table, il faut calibrer tous les six mois l’alignement entre sa propre direction et le goulot d’étranglement du secteur.
C’est aussi pourquoi je dis toujours : plutôt que de courir après les tendances, commencez par développer votre « jugement » — c’est le seul bien qui ne se dévalorise pas avec l’âge et qui ne se déplace pas avec les modes.
Vous ne décidez pas où frappe la vague, mais vous décidez dans quelle rivière vous vous tenez.
Référence : Leiphone, 07/09/2026, « Trois grandes migrations des talents en IA : Baidu en tête, les six petites tigres se différencient, Tencent opère un “renouvellement des effectifs” » (les données sur la mobilité des talents et les points de vue des chasseurs de têtes cités dans cet article sont issus de cette enquête, les noms sont des pseudonymes ; les jugements sur le secteur sont des opinions personnelles,仅供 référence.)
Auteur : Yongliang, 17 ans d’expérience dans le logiciel, 7 ans d’expérience dans l’IA, plusieurs certifications d’entreprises internationales renommées. Directeur technique IA, il parle franchement de carrière et d’éducation à l’ère de l’IA.