Non. Le métier ne disparaît pas — il se déplace.

Les prévisions d’emploi sont même orientées à la hausse. Ce qui change, ce n’est pas le besoin de tester, c’est la nature des compétences que les employeurs recherchent. Quatre chiffres suffisent à poser le décor.

Les chiffres

• Les postes vont augmenter. Les emplois d’analyste QA et de testeur logiciel devraient progresser de 10 % entre 2024 et 2034, un rythme nettement supérieur à la moyenne de l’ensemble des professions. (U.S. Bureau of Labor Statistics, Occupational Outlook Handbook)
• Voici une partie de l’explication. Dans une enquête DevSecOps de 2026, 85 % des répondants déclarent que l’IA a déplacé le goulot d’étranglement : il ne s’agit plus d’écrire du code, mais de le relire et de le valider. (GitLab 2026 AI Accountability Report)
• Voici pourquoi les compétences évoluent. Les offres exigeant des compétences en IA ont bondi de 69 %, contre 9 % pour le marché de l’emploi dans son ensemble. (PwC 2026 Global AI Jobs Barometer)
• Voici pourquoi il est rentable de se former. Les postes liés à l’IA affichent une prime salariale moyenne de 62 %. (PwC 2026 Global AI Jobs Barometer)

Les données de recrutement récentes montrent par ailleurs que 53 % des postes tech exigent désormais des compétences en IA.

Le paradoxe qui explique tout

L’IA génère du code plus vite que jamais. Mais elle ne génère pas la confiance que l’on peut accorder à ce code.

Plus la production de code s’accélère, plus le volume de code à vérifier explose — et plus la vérification devient le point de friction critique de la chaîne de livraison. C’est le vieux paradoxe de l’automatisation : automatiser une tâche ne supprime pas le travail humain, il le déplace vers la supervision, l’arbitrage et le jugement. Le testeur ne devient pas inutile ; il devient le dernier rempart entre un système probabiliste et un utilisateur réel.

Ce qui change concrètement dans le métier

Tester un logiciel déterministe et tester un système à base d’IA sont deux exercices différents. Le second impose de nouvelles exigences :

• Le problème de l’oracle. Quand une même entrée peut produire plusieurs sorties valides, la notion de « résultat attendu » vole en éclats. Il faut raisonner en critères d’acceptabilité, en plages de tolérance et en tests métamorphiques plutôt qu’en assertions binaires.
• Le non-déterminisme. Un test qui passe neuf fois sur dix n’est pas un test qui passe. Reproductibilité, gestion du hasard, seuils statistiques deviennent des compétences de base.
• La qualité des données. Les données d’entraînement et de contexte font partie du périmètre de test au même titre que le code.
• Les biais, l’équité et l’explicabilité. Des dimensions qui relèvent désormais autant de la conformité que de la qualité.
• La sécurité spécifique à l’IA. Injection de prompt, fuite de données, empoisonnement de modèle : de nouvelles surfaces d’attaque à couvrir.
• La conformité réglementaire. En Europe, l’AI Act impose des obligations de robustesse, de traçabilité et de supervision humaine sur les systèmes à haut risque. Documenter la manière dont un système a été testé n’est plus une bonne pratique : c’est une obligation.
• L’usage de l’IA comme outil de test. Génération de cas de test, analyse de couverture, priorisation des risques, détection d’anomalies — à condition de savoir en évaluer les résultats de manière critique.

Un outil puissant, des risques puissants

Les incidents ne relèvent plus de l’anecdote : agents IA supprimant des données de production en cours de développement, cas limites passés sous silence avec un aplomb parfait, régressions introduites par une correction générée automatiquement. Le point commun de ces défaillances : l’IA se trompe avec assurance. Elle ne signale pas son propre doute.

C’est précisément là que le jugement humain reprend toute sa valeur — à condition de pouvoir le prouver.

Prouver ses compétences, pas seulement les affirmer

Dire que l’on « sait utiliser l’IA » ne suffit plus. Les employeurs cherchent une preuve de compétence applicable au métier.

Pour les testeurs logiciels, la certification ISTQB apporte cette preuve. Cette distinction peut être demandée dès lors que les trois certifications suivantes ont été obtenues auprès d’ISTQB:

• ISTQB Foundation Level — les fondamentaux du test
• ISTQB Testing With Generative AI — tester avec l’IA
• ISTQB AI Testing — tester **l’**IA

En résumé

Le test logiciel ne disparaît pas. Il monte en exigence.

La question n’est pas de savoir si l’IA va remplacer les testeurs, mais si les testeurs qui maîtrisent l’IA vont remplacer ceux qui ne la maîtrisent pas. Sur ce point, les données de recrutement ont déjà tranché.