Il y a un post qui a tourné récemment sur LinkedIn, signé Harry Schwarz (Directeur Conseil chez Mister IA). Il y décrivait l’évolution des outils IA en trois périodes, et cette lecture m’a marqué. Pas parce qu’elle est spectaculaire. Parce qu’elle est juste. Je vous la résume, puis je vais la tirer vers notre monde à nous. Celui de la donnée géographique.

Trois périodes, et un basculement

La première période, disons 2022 à 2024, c’est le mode conversationnel. Le chat. On pose une question, l’outil répond. On itère. On reformule. On prompte jusqu’à obtenir quelque chose d’à peu près correct.

La deuxième période, 2024 à 2025, c’est le mode agentique. On ne délègue plus une tâche précise, on définit un objectif. Et l’outil identifie lui-même le plan à exécuter pour l’atteindre.

La troisième période commence maintenant. Le mode agentique asynchrone. Vous confiez une intention le soir depuis votre téléphone, et vous récupérez le résultat le lendemain matin. Tout prêt.

Ce qui change entre ces trois périodes, ce n’est pas juste l’outil. C’est notre rapport au travail.

Et pour nous, géomaticiens, ce basculement mérite qu’on s’y arrête sérieusement.

Ce que faisait notre valeur, hier

Pendant dix ans, notre valeur reposait en grande partie sur la maîtrise technique.

Savoir écrire une requête PostGIS bien indexée. Savoir enchaîner les traitements dans le modeleur graphique. Savoir corriger une géométrie invalide, reprojeter proprement en Lambert-93, gérer une jointure spatiale sans faire exploser la table. Savoir scripter en PyQGIS ce que l’interface ne permettait pas.

Cette maîtrise, il fallait des années pour la construire. Et c’est précisément ce qui nous rendait difficiles à remplacer.

Ce que l’IA fait à cette protection

Regardons les choses en face.

Aujourd’hui, un outil sait déjà générer une requête SQL spatiale à partir d’une phrase en français. Il sait écrire un script PyQGIS. Il sait proposer une chaîne de traitement pour passer d’un nuage de points LiDAR à un MNT. Il sait produire une carte web Leaflet avec des isochrones.

Ce qui vous prenait une demi-journée de documentation et d’essais, il le produit en quelques secondes.

Alors la question devient inévitable. Si n’importe qui peut demander à une machine de produire l’analyse spatiale, qu’est-ce qui reste au géomaticien ?

La bonne réponse n’est pas celle qu’on croit

La tentation, c’est de répondre : il faut monter en technicité. Aller plus loin. Maîtriser des outils que l’IA ne maîtrise pas encore.

Je pense que c’est une course perdue d’avance.

Parce que l’écart technique se comble à une vitesse folle. Ce que l’IA ne sait pas faire cette année, elle le fera l’année prochaine. Courir devant la machine sur son propre terrain, c’est épuisant, et c’est temporaire.

La vraie réponse est ailleurs. Elle est dans ce que la machine ne peut pas faire à votre place, même quand elle sait tout produire.

Quand tout peut être produit, ce qui compte c’est de savoir quoi produire

Reprenons l’idée d’Harry. Quand tout le monde sera capable de générer un résultat, ce qui aura de la valeur, ce ne sera plus le résultat. Ce sera l’idée à l’origine du résultat. L’intention.

Pour nous, ça veut dire quelque chose de très concret.

• L’IA peut produire une carte de densité de population. Mais elle ne sait pas si le carroyage de 200 mètres est pertinent pour votre territoire rural, ou s’il écrase justement le signal que vous cherchez.
• L’IA peut calculer une zone tampon de 500 mètres autour d’un réseau. Mais elle ne sait pas si 500 mètres a un sens réglementaire, écologique ou politique dans votre contexte.
• L’IA peut fusionner trois jeux de données. Mais elle ne sait pas que l’un des trois a été saisi avec une précision de terrain de plus ou moins dix mètres, et que le croiser avec un cadastre au centimètre produit une illusion de précision.

Le déplacement de la responsabilité

Il y a un dernier point dans le post d’Harry qui me semble décisif pour notre métier.

Quand vous déléguez une tâche à un collègue, c’est lui qui devient responsable de produire un résultat cohérent avec ce qu’on attend. Quand vous la déléguez à une IA, le responsable, c’est vous.

Dans la géomatique, cette responsabilité pèse lourd.

Une carte n’est jamais neutre. Un choix de projection, de seuils, de classes, de palette, oriente la lecture et donc la décision. On peut mentir avec une carte sans écrire un seul chiffre faux.

Si vous laissez une IA choisir les seuils d’une choroplèthe qui servira à décider où construire une école ou implanter une station d’épuration, la machine ne portera jamais ce choix. Vous, oui.

C’est là que le géomaticien reprend toute sa place. Pas comme technicien qui produit. Comme garant qui répond de ce qui a été produit.

Alors, les compétences techniques, encore utiles ?

Oui. Mais leur rôle change.

La compétence technique ne sera plus ce qui vous rend rare. Elle deviendra ce qui vous rend capable de juger.

Vous ne pourrez pas évaluer la pertinence d’une reprojection si vous n’avez jamais compris ce qu’est une déformation cartographique. Vous ne pourrez pas repérer qu’une jointure spatiale a silencieusement perdu la moitié des entités si vous n’avez jamais mis les mains dans une table attributaire. Vous ne pourrez pas contredire une IA qui vous propose une analyse séduisante mais fausse si vous n’avez pas la culture du terrain.

On n’apprend plus PostGIS pour écrire des requêtes à la main toute la journée. On l’apprend pour savoir, en un coup d’œil, si la requête que la machine a écrite tient debout.

Ce qui vaut la peine d’être fait

Nous entrons dans un métier où produire ne suffira plus à créer de la valeur, parce que tout le monde saura produire.

Ce qui fera la différence, c’est votre capacité à poser les bonnes questions au territoire. À savoir quelle analyse vaut la peine d’être menée. À défendre un choix méthodologique devant un élu ou un aménageur. À dire non à une carte techniquement correcte mais intellectuellement malhonnête.

Et honnêtement, c’est peut-être la meilleure chose qui pouvait nous arriver.