Dans le cinquième des métiers les plus exposés à l'IA générative, le recrutement de titulaires d'un master a chuté d'environ 10 % par rapport au cinquième le moins exposé après ChatGPT — et la totalité de cette baisse concerne des candidats disposant déjà d'une expérience professionnelle. Pour les primo-entrants, aucun changement (Cortés, Dellarocas & Wang, SSRN, 2026).
Cette asymétrie est le résultat central. C'est aussi ce qui devrait inquiéter quiconque pilote un tunnel de recrutement, car cela signifie que le marché n'a pas cessé de croire aux diplômes de troisième cycle. Il a cessé de les consulter exactement dans les postes que vous automatisez, exactement pour les candidats que vous recrutez le plus.
Pendant ce temps, l'offre a continué de croître. Les universités américaines ont délivré environ 949 000 masters à la promotion 2025, contre 815 000 en 2018 — une croissance chaque année, y compris pendant l'arrivée de l'IA générative (Dellarocas, The Credential Crisis, 2026). Les employeurs n'ont pas manqué de candidats diplômés. Ils ont commencé à les laisser passer.
Ce que l'étude de Boston University a réellement mesuré
Patricia Cortés, Chrysanthos Dellarocas et Qi Wang ont analysé plus de 100 millions de transitions professionnelles aux États-Unis entre 2018 et 2025, à partir des données Revelio Labs qui reconstituent les parcours d'emploi à partir de profils professionnels publics. Le protocole compte : il observe qui les employeurs ont réellement recruté, et non ce que leurs annonces prétendaient exiger (Cortés, Dellarocas & Wang, SSRN, 2026).
Les métiers ont été classés selon l'indice d'exposition « GPTs are GPTs » — la mesure élaborée par OpenAI et l'University of Pennsylvania, qui note chaque métier selon la part de ses tâches documentées qu'un assistant IA pourrait accomplir au moins deux fois plus vite, à qualité égale (Eloundou et al., 2023). Point crucial : ce score a été figé le jour de l'arrivée de la technologie, avant que les employeurs n'aient eu le temps de réagir.
L'équipe a ensuite comparé le quintile d'exposition le plus élevé au plus faible, année après année, sur des postes d'entrée où le master relève d'un choix réel et non d'une obligation réglementaire : comptables, chargés d'études de marché, analystes business intelligence, assistants juridiques, rédacteurs.
Pendant les quatre années précédant 2022, les deux groupes ont évolué à l'unisson. Puis les courbes se sont séparées — lentement d'abord, puis plus vite, l'écart s'élargissant chaque année.
Trois détails affinent nettement le tableau.
La baisse se concentre sur les diplômes non-STEM, en particulier les masters en management — les programmes qui certifient la synthèse, l'analyse, la prévision et la rédaction professionnelle. Le recrutement de titulaires de masters STEM n'a pas bougé. Les compétences dévaluées sont précisément celles qu'un modèle de langage exécute correctement.
La baisse est la plus forte dans les entreprises où les données du Census confirment un déploiement réel de l'IA. C'est ce qui se rapproche le plus d'un test de mécanisme que les données permettent, et il pointe dans la bonne direction.
Et il ne peut pas s'agir d'une pénurie d'offre, puisque l'offre a augmenté chaque année de la période étudiée.
Un diplôme, deux signaux — et l'IA a brisé le paquet
L'écart entre candidats expérimentés et primo-entrants paraît étrange tant qu'on traite le diplôme comme une chose unique.
Un master transporte deux informations distinctes. La première est une certification : cette personne sait construire la prévision, structurer l'analyse, rédiger le rapport. La seconde est un signal d'aptitude générale : cette personne est entrée dans un programme exigeant, l'a tenu et l'a achevé — intelligence, persévérance, capacité à aller au bout. Les économistes traitent ces deux dimensions comme soudées depuis que Michael Spence a formalisé la théorie du signal sur le marché du travail en 1973.
L'IA générative est le pied-de-biche qui les sépare. Lorsqu'un modèle produit un premier jet compétent de l'analyse, la composante de certification perd de la valeur — les compétences restent réelles, elles ne sont simplement plus rares. La composante de signal, elle, reste intacte.
L'asymétrie s'explique alors d'elle-même. Face à un candidat de 24 ans au CV vierge, l'employeur n'a presque rien d'autre à lire : le diplôme conserve tout son poids. Face à un candidat expérimenté, il dispose de mieux : un parcours, un historique de résultats livrés. Dès lors que cette alternative existe, le diplôme n'est plus valorisé que pour la certification de compétences que l'IA vient de décoter — et son poids dans la décision baisse (Dellarocas, The Credential Crisis, 2026).
Le diplôme n'est pas mort. Il a été dégroupé. Et le marché a déjà commencé à en valoriser les composantes séparément.
Votre grille d'évaluation, elle, continue presque certainement de les valoriser comme un tout.
Pourquoi votre tunnel de recrutement surévalue encore les diplômes de troisième cycle
C'est ici que ce résultat cesse d'être une curiosité d'économie du travail pour devenir un problème d'exploitation.
La plupart des processus de recrutement du mid-market accordent encore aux diplômes de troisième cycle un avantage structurel à trois endroits, tous invisibles tant qu'on ne les audite pas.
Le filtrage. « Master apprécié » dans l'annonce, ou l'heuristique du recruteur qui en fait un critère de départage en haut du tunnel.
La grille. Un point ou une tranche explicite dans la scorecard, appliqué uniformément, que le candidat ait ou non dix ans d'expérience pertinente figurant juste au-dessus, sur le même CV.
L'offre. Une matrice ancienneté-formation qui rémunère une prime au diplôme — une prime que, au vu de ces données, le marché retire discrètement dans vos postes les plus exposés à l'IA.
Chacun de ces points est un petit pari sur la composante de certification. En finance, en analytics, en marketing operations et en reporting interne — les fonctions du mid-market aux scores d'exposition les plus élevés — vous payez plein tarif pour un signal dont le contenu informationnel a mesurablement décliné.
La version plus tranchante : pour un candidat expérimenté sur un poste exposé à l'IA, le diplôme est désormais largement redondant avec des informations que vous détenez déjà. Vous avez son parcours. La seule contribution propre qui reste au diplôme est le signal d'aptitude générale — et vous payez pour cela une prime de compétence.
Retirer le filtre n'équivaut pas à le remplacer
Le geste évident consiste à supprimer l'exigence de diplôme. Les données indiquent qu'à lui seul, il n'accomplit presque rien.
Le Burning Glass Institute et la Harvard Business School ont étudié 11 300 postes dans de grandes entreprises, avant et après la suppression des exigences de diplôme. Près de 40 % des entreprises les ont supprimées. Résultat : environ 97 000 recrutements supplémentaires fondés sur les compétences sur quelque 77 millions de recrutements annuels — moins de 1 sur 700. La quasi-totalité du changement réel provient des seuls 37 % d'entreprises ayant réellement suivi l'annonce (Burning Glass Institute & Harvard Business School, 2024).
Retirer un filtre ne crée pas une règle de décision. Cela crée un vide, et le vide se remplit de la même heuristique, appliquée cette fois de façon informelle.
Ce qui le remplace doit être mesuré. La meilleure preuve méta-analytique disponible situe les entretiens structurés à r = ,42 pour la prédiction de la performance au travail, contre r = ,19 pour les entretiens non structurés — le plus grand écart de validité accessible à une équipe de recrutement, et il ne coûte rien d'autre que de la discipline (Sackett, Zhang, Berry & Lievens, Journal of Applied Psychology, 2022).
C'est la substitution que suggère le résultat de Boston University : non pas un recrutement aveugle aux diplômes, mais un recrutement où le diplôme est correctement dimensionné, avec une mesure de capacité validée portant le poids qu'assumait auparavant le parchemin.
Où ce raisonnement pourrait se tromper
Je n'agirais pas sur la décimale. J'agirais sur la direction. La distinction mérite d'être posée précisément.
L'article est un working paper SSRN, pas encore relu par les pairs. La tendance pré-2022 est nette et le protocole soigné, mais l'ampleur de l'effet peut évoluer lors de l'évaluation.
Par ailleurs, exposition n'est pas remplacement. Un score élevé signifie que les tâches documentées d'un poste recoupent ce qu'un modèle sait faire — pas qu'un modèle les a faites. C'est une mesure de faisabilité technique, figée à un instant donné.
Enfin, les données issues de profils comportent un biais de sélection. Revelio reconstitue les parcours à partir de profils professionnels publics, et le fait d'en tenir un, avec quel degré de complétude, n'a rien d'aléatoire. Cela peut corréler à la fois avec les diplômes et avec le métier, d'une manière que le protocole n'absorbe pas entièrement.
Reste ce qui tient quoi qu'il arrive. Une prime au diplôme stable pendant quatre ans a divergé au moment précis où est arrivé un modèle textuel généraliste, dans les métiers que ce modèle traite bien, précisément pour les candidats sur lesquels les employeurs disposent déjà de meilleures preuves. Divisez l'effet par deux : la conclusion opérationnelle ne change pas.
Ce qui change dans une entreprise de 50 à 500 salariés
Il s'agit d'un changement de processus, pas d'une dépense. Cela tient dans un trimestre et ne requiert aucune validation autre que la vôtre.
Auditez les endroits où le diplôme pèse encore. Sortez vos postes ouverts et vos scorecards pour les rôles à forte exposition à l'IA — finance, analytics, marketing ops, reporting interne, rédaction technique. Repérez chaque point où un diplôme de troisième cycle procure un avantage au filtrage, un point de grille ou une tranche salariale. La plupart des directeurs des opérations n'ont jamais dressé cette liste et sont surpris par sa longueur.
Différenciez la règle selon le stade de carrière. La recherche justifie de conserver le poids du diplôme pour les primo-entrants, où vous n'avez guère d'autre information, et de le réduire fortement pour les recrutements expérimentés, où vous détenez déjà le meilleur signal. Une règle unique pour les deux stades est désormais démontrablement fausse dans un sens ou dans l'autre.
Installez un instrument mesuré dans le vide avant de l'ouvrir. Un entretien structuré avec un jeu de questions fixe et une échelle de notation ancrée, ou une mise en situation notée, construite à partir du poste réel. Retirer le filtre sans cela, c'est le résultat à 1 sur 700 (Burning Glass Institute & Harvard Business School, 2024).
Une note sur la version interne de ce problème
La même logique vaut en interne. Si vos critères de promotion ou votre programme de hauts potentiels attribuent des points à un diplôme de troisième cycle, vous appliquez un signal en décomposition à des personnes dont vous détenez déjà tout le parcours — la population où sa valeur informationnelle est la plus faible de toutes. C'est l'endroit le moins coûteux à corriger, et le moins susceptible de figurer sur une liste de priorités.
Une décision pour ce trimestre
Ouvrez la scorecard de votre poste ouvert le plus exposé à l'IA et trouvez la ligne où un master rapporte ses points. Puis répondez à une seule question : que m'apprend cette ligne que ne m'apprennent pas les trois dernières années de travail de ce candidat ?
Si vous ne pouvez pas répondre en une phrase, vous ne sélectionnez pas sur la capacité. Vous payez une prime pour une information que le marché a déjà revalorisée à la baisse — et les données de Boston University indiquent que la décote des diplômes de troisième cycle dans les métiers exposés à l'IA s'élargit chaque année.
Le diplôme n'a pas cessé de signifier quelque chose. Il a cessé de signifier ce que dit votre grille.
