IA et métiers du web : les études publiées en 2025 décrivent surtout une transformation des tâches, avec des métiers en croissance et d’autres en recul. Ce guide en mesure l’impact sur la conception de sites, explique simplement les réseaux de neurones et l’apprentissage profond, montre comment un prompt s’insère dans un projet et fixe les limites à garder pour le site d’un hébergement.
Impact de l’IA sur l’emploi : ce que mesurent les études de 2025
Trois études donnent des ordres de grandeur. Aucune ne porte sur les seuls métiers du web, et toutes reposent sur des projections d’employeurs ou sur des indices d’exposition : ce ne sont pas des décomptes de postes supprimés.
| Étude | Ce qui est mesuré | Ce qu’elle indique |
|---|---|---|
| Forum économique mondial, Future of Jobs (janvier 2025) | Les attentes de plus de 1 000 employeurs, qui représentent plus de 14 millions de salariés dans 55 économies. | D’ici 2030, dans le monde et tous secteurs confondus, sous l’effet de l’ensemble des grandes tendances (technologie, tensions géoéconomiques, démographie, transition écologique) et non de la seule IA : 170 millions d’emplois créés, 92 millions supprimés, soit 78 millions de plus au solde. Les développeurs de logiciels et les designers UI/UX figurent parmi les métiers à plus forte croissance ; les graphistes figurent dans la liste des métiers en recul. |
| Organisation internationale du travail (document de travail 140, 20 mai 2025) | L’exposition des métiers à l’IA générative, calculée à partir de tâches détaillées et d’avis d’experts. | Un travailleur sur quatre occupe un emploi exposé à l’IA générative ; 3,3 % de l’emploi mondial est dans la catégorie la plus exposée, et les métiers de bureau restent les plus exposés. La transformation des postes est l’effet le plus probable. |
| Opiiec, « À retenir » (28 avril 2025) | Une enquête BVA de 2024 auprès d’entreprises d’une branche qui réunit bureaux d’études techniques, cabinets d’ingénieurs-conseils et sociétés de conseils. | la brochure chiffre à 64 % la part des entreprises de la branche qui s’appuient déjà sur l’IA en 2025 ; près de 45 000 emplois pourraient être créés en trois ans (+3 % des effectifs), dont 31 600 dans le numérique ; 47 % des métiers ont un potentiel de transformation ou d’automatisation de leurs tâches. |
Sur le partage du travail, le Forum relève que les employeurs interrogés estiment que 47 % des tâches sont aujourd’hui effectuées surtout par des personnes seules, 22 % surtout par la technologie et 30 % par les deux ; ils attendent d’ici 2030 une répartition à peu près égale entre ces trois façons de travailler.
Deux précisions évitent les contresens. D’abord, l’exposition n’est pas la disparition : l’OIT note que la plupart des métiers contiennent des tâches qui demandent une intervention humaine, d’où son avis que la transformation des postes est l’effet le plus probable. Ensuite, le recul des graphistes est une projection d’employeurs : le Forum la présente comme une première dans son rapport (la profession était jugée en croissance modérée en 2023), place les graphistes juste en dehors des dix métiers en plus fort recul et y voit une illustration possible de la capacité de l’IA générative à effectuer du travail intellectuel. Chez l’Opiiec, le webdesigner figure parmi les principaux métiers du numérique dont les tâches sont touchées par l’IA ; 21 % des entreprises ont augmenté leurs effectifs sur certains métiers, dont celui de développeur, et 7 % ont réduit les leurs sur certains métiers tout en les augmentant ailleurs. Parmi les exemples de baisse, l’étude cite « concepteur », sans préciser le domaine, et les fonctions support comme le secrétariat.
Ce que mesurent les expériences sur la productivité
Pour l’écriture, une expérience publiée dans Science a confié des tâches d’écriture professionnelle à 453 personnes diplômées du supérieur : avec ChatGPT, le temps moyen a baissé de 40 % et la qualité a progressé de 18 %. Pour le code, des développeurs équipés de GitHub Copilot ont écrit un serveur HTTP en JavaScript 55,8 % plus vite que le groupe témoin (Peng et coll., 2023) : une seule tâche, étroite.
Chez des développeurs expérimentés de projets libres, METR a mesuré début 2025 des tâches 19 % plus longues avec l’IA. Sa mise à jour de février 2026 explique que la nouvelle mesure est faussée : beaucoup de développeurs refusent désormais de participer pour ne pas travailler sans IA, et METR juge ses nouvelles données très faibles pour chiffrer l’ampleur du gain. Retenez que ces mesures varient fortement selon la tâche, la personne et la période.
Les métiers du web face à l’IA : ce qui change pour chacun
Le tableau met en face ce que les outils annoncent faire et ce qui, d’après les sources, reste à une personne. Il décrit des tâches, pas le destin d’une profession.
| Métier | Ce que l’IA prend en charge | Ce qui reste à la personne |
|---|---|---|
| Designer d’interface (UX/UI) | Un prototype à partir d’une consigne : Figma Make transforme un prompt en code, que l’on retouche ensuite dans l’aperçu ou dans le code. | Comprendre les visiteurs, arbitrer, tester sur téléphone. |
| Graphiste | Des images et des variantes produites à partir d’une description (voir les modèles de diffusion plus bas). | L’identité visuelle, le choix entre les variantes, l’accord avec les vraies photos du lieu. |
| Intégrateur, développeur | Du code de pages, de styles et de scripts : v0 annonce du vrai code à partir d’une description. | Relire, tester, sécuriser, tenir la vitesse et l’accessibilité. |
| Rédacteur web, référenceur | Un premier jet de plan, de titres et de texte : Google juge l’IA utile pour documenter un sujet et structurer un contenu original. | Les faits (Google demande de vérifier à la main tout contenu généré), l’expérience vécue, ce que les autres sites ne disent pas. |
| Accessibilité, contrôle qualité | Des outils automatiques aident à repérer une partie des défauts d’un site. | Juger si le site est vraiment utilisable : d’après le W3C, aucun outil seul ne peut établir qu’un site est accessible, une évaluation humaine qualifiée reste requise. |
| Responsable du site d’un hébergement | La modification d’une page à partir d’une phrase écrite en langage courant. | Valider ce qui est publié : horaires, équipements, photos. |
Les compétences suivent. Parmi celles que les employeurs jugent essentielles, le Forum place la pensée analytique en tête (69 %) et la pensée créative au quatrième rang (57 %), tandis que « IA et mégadonnées » figure en tête des compétences qui progressent le plus. Pour utiliser l’IA, l’Opiiec cite la connaissance des solutions, la maîtrise du cadre juridique (RGPD, règlement sur l’IA), la maîtrise de l’usage et l’accompagnement du changement.
Réseaux de neurones et apprentissage profond : l’essentiel, simplement
Trois termes s’emboîtent. L’intelligence artificielle est le plus large : des machines qui imitent des fonctions de l’intelligence humaine. Le machine learning (apprentissage automatique) en est un sous-ensemble : des modèles qui apprennent à partir de données pour réduire leurs erreurs de prédiction. L’apprentissage profond (deep learning) est une branche du machine learning fondée sur des réseaux de neurones à plusieurs couches (IBM). Côté droit européen, l’article 3 du règlement sur l’IA décrit un système d’IA comme un système conçu pour fonctionner avec des niveaux d’autonomie variables et qui déduit, à partir de ce qu’il reçoit, comment produire des prédictions, des contenus, des recommandations ou des décisions.
Comment un réseau apprend
- Des exemples entrent. La couche d’entrée reçoit les données : des mots, des pixels. Chaque nœud porte un poids et un seuil ; s’il est franchi, il transmet son résultat à la couche suivante (IBM).
- Les couches cachées transforment. D’après LeCun, Bengio et Hinton (Nature, 2015), un modèle à plusieurs couches de traitement apprend des représentations des données à plusieurs niveaux d’abstraction.
- La sortie est comparée. En apprentissage supervisé, on fournit des données étiquetées, par exemple des images annotées, et l’on mesure l’écart entre la sortie du réseau et le résultat attendu (LeCun et coll.). L’apprentissage profond peut aussi ingérer des données brutes, texte ou images, sans avoir forcément besoin de données étiquetées (IBM).
- Les poids sont corrigés. L’algorithme de rétropropagation indique comment modifier les paramètres internes du modèle (LeCun et coll.). On répète l’opération sur de très nombreux exemples.
Trois familles de modèles utiles à la conception de sites
- Les modèles de langage, pour le texte et le code. Ils reposent sur l’architecture Transformer, décrite en 2017 dans l’article « Attention Is All You Need » (Vaswani et coll.), fondée sur les seuls mécanismes d’attention ; IBM relie cette architecture à la naissance des grands modèles de langage. Google rappelle qu’un tel modèle ne retrouve pas des faits : il prédit une suite de mots probable.
- Les modèles d’images. Une famille dite de diffusion sert à la synthèse d’images : Ho, Jain et Abbeel en ont présenté en 2020 des résultats de haute qualité.
- Les modèles qui lisent une interface. Dans un travail présenté à la conférence CHI 2021, des chercheurs d’Apple et de l’université Carnegie Mellon ont entraîné un modèle sur 77 637 écrans de 4 068 applications iPhone pour repérer les éléments d’une interface à partir de ses seuls pixels et produire les informations d’accessibilité lues par VoiceOver. Dans une étude avec 9 utilisateurs de lecteur d’écran, l’approche a amélioré l’accessibilité d’applications existantes.
Prompts et workflows de conception : ce qui change dans le travail
Un prompt est une consigne écrite en langage courant à un assistant d’IA. Dans un projet de site, il prend en charge une partie du premier jet, des variantes et du code répétitif ; il ne remplace ni le brief ni la recette. L’effort se déplace vers l’écriture de la demande et la relecture du résultat.
Anatomie d’un bon prompt
Dans un billet du 15 décembre 2025, Vercel, l’éditeur de v0, ramène les bons prompts à trois éléments et rappelle que plus la demande est précise, meilleur est le résultat. L’aide de Figma Make donne des conseils voisins.
- La surface du produit. Ce que l’on construit et pour qui : une page d’accueil d’hôtel, un formulaire de contact.
- Le contexte d’usage. Qui s’en sert, sur quel appareil, pour quel objectif : un visiteur sur téléphone qui vérifie des dates.
- Les contraintes et le goût. Ce que l’outil ne peut pas deviner : police sans empattement, contraste, taille des boutons, ton.
Une boucle de travail en quatre temps
- Cadrer d’abord. Figma Make propose un mode plan (réservé aux offres payantes), qui produit un plan structuré à relire avant l’écriture du code.
- Avancer par petites étapes. Poser la mise en page, puis ajouter les fonctions ; quand l’outil se trompe, le dire et donner un exemple du résultat attendu.
- Corriger au bon endroit. Un outil d’édition ou une annotation cible un élément de l’aperçu, plutôt qu’une longue consigne de plus.
- Relire avant de publier. Comparer au brief, donner les valeurs exactes par écrit (Figma note que le modèle ne lit pas de façon fiable une couleur précise sur une image), vérifier que l’outil n’a pas ajouté de fonction non demandée et que polices, images et paquets de code sont utilisables. Figma précise que l’on est responsable des droits sur ce que l’on publie, et déconseille de coller des clés d’API ou des données personnelles dans la zone de saisie.
Pour aller plus loin sur chaque étape d’un site, voir l’intelligence artificielle et le futur du design web ; sur les polices, IA et typographie ; sur le téléphone, la conception pour mobile et l’IA.
IA et site d’un hébergement : ce qu’elle fait bien, ce qu’elle fait mal
Pour un hôtel, un gîte ou une location, trois tâches reviennent : décrire, illustrer, répondre.
| Tâche | Ce que l’IA fait bien | Ce qu’il faut contrôler |
|---|---|---|
| Décrire : pages, descriptions, traductions | Un premier jet rapide et des variantes de titres. | Les faits : horaires, équipements, distances. Le modèle prédit des mots probables, il ne constate rien. |
| Illustrer | Des illustrations d’ambiance. | Chambre, vue, piscine : photos réelles. Voir images et droit d’auteur. |
| Programmer la page | Du code de pages et de scripts. | La sécurité, la vitesse, l’accessibilité (voir les limites plus bas). |
| Répondre aux visiteurs | Les réponses courantes d’un assistant virtuel. | Dire au visiteur qu’il parle à une IA : voir l’obligation d’information. |
Pour choisir un créateur de site à IA, l’article IA pour les hôtels propose cinq critères : la propriété du site, la qualité des textes, la vitesse réelle de mise en ligne, la réservation et la modification.
Chez Hotel Web Design, nous utilisons beaucoup l’IA pour concevoir les pages comme pour les faire évoluer, sur un site vitrine comme sur un site de réservation.
Limites et risques de l’IA dans la conception de sites
| Limite | Ce que disent les sources | Le réflexe |
|---|---|---|
| Des erreurs plausibles | Google demande de relire titres, méta-descriptions, données structurées et textes alternatifs avant publication. Dans l’enquête 2025 de Stack Overflow, 46 % des développeurs interrogés se méfient activement de l’exactitude des outils d’IA (33 % lui font confiance), et 66 % citent comme première difficulté des solutions « presque justes, mais pas tout à fait ». | Vérifier chaque fait sur la page publiée. |
| Un code vulnérable | Veracode (octobre 2025) relève des failles à risque dans 45 % des tests de code généré par plus de 100 modèles, et constate que les modèles plus grands ou plus récents ne produisent pas un code plus sûr. | Relecture et tests de sécurité avant la mise en ligne. |
| Des contenus génériques | Dans une expérience sur des histoires courtes (Science Advances, 2024), les textes aidés par l’IA sont jugés plus créatifs mais se ressemblent davantage entre eux. Google range parmi les abus la production de nombreuses pages sans valeur ajoutée pour les visiteurs. | Ajouter ce que seul l’établissement possède : ses photos, son lieu, son histoire. |
| Droit d’auteur, transparence, données personnelles | Traités dans l’article IA pour les hôtels : images et droit d’auteur, information du client, données personnelles. | Ne jamais coller de données de clients dans un outil grand public. |
Bonnes pratiques : quatre réflexes pour travailler avec l’IA
- Partager le travail par tâches. Notez ce qui est confié à l’IA et ce qu’une personne décide : l’OIT raisonne par tâches, et c’est à cette échelle que le travail change. Pour savoir si l’IA fait gagner du temps, chronométrez une tâche avec et sans elle plutôt que de vous fier à une moyenne.
- Relire tout ce qui sera public. Faits, titre, méta-description, textes alternatifs, code, accessibilité au clavier et sur téléphone. Google suggère aussi d’indiquer comment un contenu a été créé, pour donner du contexte au lecteur ; une image générée qui pourrait passer pour une photo du lieu se signale (voir IA et futur du design web).
- Protéger les données. Aucune donnée de client ni clé d’accès dans un service grand public.
- Former les personnes et garder une trace. L’article 4 du règlement sur l’IA, modifié par le « Digital Omnibus » entré en vigueur à la mi-juillet 2026, maintient pour les organisations qui utilisent l’IA l’obligation de soutenir la maîtrise de l’IA de leur personnel, sans imposer de niveau précis. D’après la FAQ de la Commission (mise à jour le 20 octobre 2026), aucun certificat n’est nécessaire : une organisation peut tenir un registre interne de ses formations.
Pour voir des sites livrés, consultez le portfolio ; pour parler de votre projet, la page contact permet d’écrire ou de prendre rendez-vous.
Sources
- Emploi : Forum économique mondial, Future of Jobs Report 2025 ; OIT, Generative AI and Jobs (document de travail 140) ; Opiiec, « À retenir » (avril 2025).
- Productivité : Noy et Zhang, Science ; Peng et coll., GitHub Copilot ; METR (février 2026) ; Doshi et Hauser, Science Advances.
- Réseaux de neurones : IBM, IA, machine learning et apprentissage profond ; LeCun, Bengio et Hinton, Deep learning ; Vaswani et coll., Transformer ; Ho et coll., modèles de diffusion ; Zhang et coll. (Apple et Carnegie Mellon), Screen Recognition.
- Outils et règles : aide de Figma Make ; Vercel, How to prompt v0 ; Google Search Central, contenu généré par IA ; règlement (UE) 2024/1689 et FAQ de la Commission sur l’article 4 ; Stack Overflow 2025 ; Veracode ; W3C, évaluer l’accessibilité.
Questions fréquentes sur l’IA et les métiers du web
L’IA va-t-elle remplacer les web designers ?
Les sources de 2025 annoncent plutôt une transformation. L’OIT estime que la plupart des métiers comportent des tâches qui demandent une intervention humaine, et le Forum économique mondial place les designers UI/UX parmi les métiers à forte croissance, mais les graphistes parmi ceux qui reculent. Ce sont des projections d’employeurs, pas des décomptes de postes.
Quelle différence entre IA, machine learning et deep learning ?
L’intelligence artificielle désigne des machines qui imitent des fonctions de l’intelligence humaine. Le machine learning en est un sous-ensemble : des modèles qui apprennent à partir de données. Le deep learning, ou apprentissage profond, est une branche du machine learning qui s’appuie sur des réseaux de neurones à plusieurs couches.
Comment fonctionne un réseau de neurones ?
Les données entrent par une couche d’entrée, traversent des couches cachées dont chaque nœud porte un poids et un seuil, puis ressortent en sortie. Pendant l’entraînement, un algorithme de rétropropagation corrige les poids à partir des erreurs constatées sur de nombreux exemples.
Comment écrire un bon prompt pour créer une page web ?
Décrivez la surface du produit (ce que l’on construit et pour qui), le contexte d’usage (appareil, objectif du visiteur) et les contraintes (police, contraste, taille des boutons, ton). Avancez par petites étapes, corrigez en donnant un exemple du résultat attendu, puis relisez la page avant de la publier.
Peut-on publier du code ou du texte écrit par une IA sans relecture ?
Ce n’est pas prudent. Un modèle de langage prédit une suite de mots probable sans vérifier les faits, et Veracode relève des failles de sécurité à risque dans 45 % des tests de code généré. Google demande aussi de relire titres, méta-descriptions, données structurées et textes alternatifs avant publication.
