# ng-ai-engineering-skills-map-2026-08-14

## Veille

Post X d'**Andrew Ng** du **14 août 2026** (16:29 UTC), reprise de la lettre « Dear friends » de ***The Batch* n°366** (DeepLearning.AI, même date), ~900 mots. Ng présente **The AI Engineering Skills Map** et publie **quatre compétences** tenues pour les plus importantes. **(1) Construire et déployer des applications IA** — la spécificité est nommée : *« The key difference between AI and non-AI applications is that the former has unpredictable outputs »*, d'où l'accent mis sur les *evals* et les boucles d'analyse d'erreurs. **(2) Les fondamentaux du génie logiciel**, parce que *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — le développeur inexpérimenté échoue *« because they don't know what context to give their coding agent »*, d'où l'objectif de *« steering coding agents using the precise language of software engineering »*. **(3) L'usage des agents de codage**, dans une formulation opérationnelle : *« help the agent autonomously close loops by providing verifiers or evals »*, et *« knowing how much to intervene and how much to leave them alone »*. **(4) *Shaping the build*** : *« Given a clear spec, coding agents are rapidly improving at delivering to it. Thus, our work as engineers is shifting toward deciding what should be in the spec »*, assorti de *« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it. »* Une **note de terminologie** porte l'essentiel du cadrage : Ng parle de **compétences** d'AI engineering et **non du rôle** « AI Engineer », avec une analogie explicite — *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »* L'ensemble est adossé à *« une analyse de plus de 10 000 offres d'emploi, des dizaines d'entretiens structurés avec experts, hiring managers et recruteurs, des sondages et d'autres données en ligne »*, dont **aucun résultat chiffré n'est publié** : Ng qualifie son procédé de *« informally… akin to running clustering »* et annonce une carte détaillée dans de futurs billets. Il déclare l'intérêt en avant-dernière phrase : *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## Titre Article

The AI Engineering Skills Map

## Date

2026-08-14

## URL

https://x.com/AndrewYNg/status/2088302050706686198

## Keywords

AI Engineering Skills Map, carte des compétences, Andrew Ng, DeepLearning.AI, The Batch n°366, compétences vs rôle, AI Engineer, socle de compétences, requalification, reskilling, analogie cloud, full-stack, data engineer, DevOps, machine learning engineer, applications IA, sorties imprévisibles, unpredictable outputs, LLM, context engineering, RAG, workflows agentiques, evals, error analysis, fondamentaux du génie logiciel, arbitrages, tradeoffs, coût, scalabilité, fiabilité, sécurité, vie privée, vibe coding, quel contexte donner à l'agent, agents de codage, agentic coding, quand intervenir, verifiers, vérificateurs, fermeture autonome de boucle, spec clair, shaping the build, product sense, contexte métier, ownership, MVP, apprentissage continu, routines d'essai d'outils, 10000 offres d'emploi, entretiens structurés, clustering informel, carte détaillée à venir, employabilité, montée en compétences, organisme de formation, conflit d'intérêts déclaré

## Authors

**Andrew Ng** — fondateur de **DeepLearning.AI**, general partner d'**AI Fund**, cofondateur de **Coursera** et de **Google Brain**, ancien chief scientist de Baidu. Texte signé, à la première personne, écrit *« with my team »* sans qu'aucun collaborateur soit nommé. Publié le **14 août 2026** sur X et dans ***The Batch* n°366** — même texte aux deux endroits ; préférer *The Batch* pour toute citation durable. Quatrième fiche Ng du corpus, après les lettres n°350 (24 avril), n°352 (8 mai) et n°359 (26 juin).

## Ton

**Profil** : lettre de fondateur-pédagogue, registre magistral et bienveillant — ~900 mots, quatre blocs annoncés puis développés, une phrase de synthèse par bloc. Public : développeurs **et** employeurs, adressés explicitement et séparément dès le premier paragraphe (*« (i) developers prioritize what to learn, and (ii) employers hire skilled developers »*). Un programme d'étude présenté comme un état des lieux.

**Style** : l'ouverture est une présentation de livrable (*« I am delighted to present »*) — la carte est posée avant d'être justifiée, l'appui empirique arrivant au paragraphe suivant en une seule phrase à quatre items. Le cadrage se fait par le bruit ambiant, sans nommer personne : *« But with the noisy, hype-filled, information environment around AI, what are the most valuable skills for you to learn? »* — le service rendu est le tri, et l'autorité tient à la signature, aucun concurrent ni source contraire n'étant cité. La **note de terminologie** (*« A note on terminology »*) est présentée comme une précision de vocabulaire alors qu'elle porte le cadrage principal du billet. Une seule concession dans tout le texte, et c'est la phrase la plus nuancée : *« knowing how to work with a clear spec **(and when not to bother doing so)** »*. La prose est propre mais visiblement écrite vite — *« avoid pitfalls like risk an agent messing up your production database »* est agrammatical dans l'original, et l'exposé de la méthodologie tient en une phrase à quatre points-virgules. C'est une lettre hebdomadaire, pas un rapport relu.

**Formules-marqueurs** :
- ***« I talk about AI Engineering skills rather than the "AI Engineer" role »***
- ***« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. »***
- ***« The key difference between AI and non-AI applications is that the former has unpredictable outputs »***
- ***« knowing how to drive disciplined evals and error analysis loops »***
- ***« Understanding software fundamentals allows you to recognize what tradeoffs even exist »***
- ***« they don't know what context to give their coding agent »***
- ***« steering coding agents using the precise language of software engineering »***
- ***« help the agent autonomously close loops by providing verifiers or evals »***
- ***« knowing how to work with a clear spec (and when not to bother doing so) »***
- ***« our work as engineers is shifting toward deciding what should be in the spec »***
- ***« Engineers should no longer expect to be given a pixel-perfect design and asked only to implement it »***
- ***« Underlying all these skills is a mindset of continuous learning »***

**Position épistémique** : synthèse d'autorité appuyée sur des données non publiées. Les quatre catégories sont argumentées et un praticien les reconnaîtra, mais rien dans le texte ne permet de distinguer ce qui provient des 10 000 offres de ce qui provient de l'expérience de l'auteur. Citer les quatre compétences comme une **thèse d'Andrew Ng** ; ne pas les citer comme un **résultat d'étude**. L'auteur déclare lui-même que DeepLearning.AI enseigne ces compétences.

## Pense-betes

- **Date / source** : **14 août 2026**, post X d'**Andrew Ng** et lettre « Dear friends » de ***The Batch* n°366** (DeepLearning.AI) — texte identique. ~900 mots.
- **Cadrage clé** : le billet parle de **compétences**, pas du **rôle** d'AI Engineer. *« All developers today should know how to work with the cloud, and only a smaller number have a "Cloud engineer" title. Similarly, all developers — full-stack engineers, data engineers, DevOps engineers, machine learning engineers, and, yes, AI engineers — will need AI engineering skills. »*

### Les quatre compétences

| # | Compétence | Formulation-clé du billet |
|---|-----------|---------------------------|
| 1 | Construire et déployer des applications IA | *« the former has unpredictable outputs »* → evals et analyse d'erreurs |
| 2 | Fondamentaux du génie logiciel | *« allows you to recognize what tradeoffs even exist »* |
| 3 | Utiliser les agents de codage | *« help the agent autonomously close loops by providing verifiers or evals »* |
| 4 | *Shaping the build* | *« deciding what should be in the spec »* |

Une cinquième compétence, non numérotée : *« Underlying all these skills is a mindset of continuous learning »*, dont la version opérationnelle est plus précise que le slogan — *« having routines to keep trying new tools and evolve your workflows as best practices change »*. Le mot utile est **routines** : une pratique planifiée, à budgéter comme du temps.

### Ce que l'analogie cloud implique selon le lecteur

| Lecteur | Implication |
|---------|-------------|
| Développeur | la compétence se surajoute au métier existant, elle ne le remplace pas |
| DRH / manager | la voie réaliste est la **requalification de l'existant**, pas le recrutement d'« AI engineers » |
| Organisme de formation | le marché adressable passe de la niche à l'ensemble des développeurs |

Même mouvement du métier vers la compétence que celui décrit dans [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], appliqué à l'ingénierie.

### La compétence n°2, mécanisme en trois temps

1. *« Understanding software fundamentals allows you to recognize what tradeoffs even exist »* — coût, scalabilité, fiabilité, vitesse, sécurité, vie privée.
2. Le développeur inexpérimenté qui *vibe code* échoue non parce qu'il code mal, mais parce qu'il ignore les arbitrages faits à sa place : *« which will often be poor ones, because they don't know what context to give their coding agent »*.
3. D'où *« steering coding agents using the precise language of software engineering »* — la connaissance du domaine redevient une interface.

Conséquence de gestion : l'IA déplace la valeur de l'ingénieur senior de l'exécution vers l'arbitrage. Converge avec la dette de compréhension de [[osmani-cognitive-surrender-comprehension-debt-2026-05-05]].

### Continuité des quatre lettres, avril → août 2026

| Date | Lettre | Ce qu'elle pose |
|------|--------|-----------------|
| 24 avr. | n°350 | les agents accélèrent inégalement selon le type de travail |
| 8 mai | n°352 | pas d'apocalypse de l'emploi, mais une requalification « avec des compétences en évolution » — lesquelles n'est pas dit |
| 26 juin | n°359 | les ingénieurs endossent un rôle partiel de product management |
| 14 août | n°366 | quatre compétences, dont *shaping the build* qui nomme le rôle de juin |

La position est cumulative sur quatre mois, non opportuniste — ce qui la rend plus solide qu'un billet de tendance isolé. Le point à porter dans toute reprise : le même auteur affirme que l'emploi se requalifiera, publie la liste des compétences de requalification, et rappelle que son organisation les enseigne. Tout est déclaré. Contrepoint : [[ng-the-batch-352-no-ai-jobpocalypse-2026-05-08]].

### Ce que la carte ne contient pas

| Absent des quatre compétences | Où il apparaît |
|---|---|
| Sécurité | une incise du §2 — *« Security and privacy add further complexity »* |
| Coût, budget de tokens | une incise du §3 — *« without wasting excessive time or tokens »* |
| Revue de code, tests | « testing » cité une fois dans une énumération |
| Exploitation, observabilité, incident | absent |
| Travail en équipe, transmission | absent |
| Conformité, gouvernance des données | absent |

Lecture la plus probable : la carte décrit ce que le **marché de l'emploi demande** (10 000 offres), pas ce qu'une organisation **devrait** exiger. L'écart entre les deux listes est en soi un résultat, non relevé par le billet. Sur la sécurité, voir [[valente-zalewski-beyond-zero-enterprise-security-ai-era-2026-07-20]].

### Réception (au 16 août 2026)

**3 074 365 vues**, **17 271 likes**, **3 028 reposts**, **311 réponses**, **35 343 bookmarks**. Le rapport bookmarks / likes vaut ≈ **2,05** : le texte a été archivé deux fois plus qu'applaudi — signal d'usage documentaire, cohérent avec le format « liste de quatre ». Le rapport réponses / vues (311 pour 3 M) indique qu'il a été enregistré plutôt que discuté. Rien de tout cela ne mesure l'adhésion ni la validité des quatre catégories.

### Hygiène de citation

1. Ne pas écrire « d'après une analyse de 10 000 offres, les quatre compétences les plus importantes sont… » : le billet énonce une **méthode**, pas un **résultat** — aucun pourcentage, aucune pondération, aucune période ni géographie, et un clustering qualifié d'*« informal »* par l'auteur. Formulation correcte : *« Andrew Ng, s'appuyant sur une analyse non publiée de plus de 10 000 offres et sur des entretiens, identifie quatre compétences… »*
2. Ce billet est **l'annonce d'une carte, pas la carte**. Fiche à rouvrir à la publication de la version détaillée.
3. Toujours mentionner que DeepLearning.AI enseigne ces compétences — l'auteur le déclare.
4. Préférer *The Batch* n°366 au post X pour toute citation durable ; réserver le lien X aux données de réception.

## RésuméDe400mots

Post X d'**Andrew Ng** du **14 août 2026**, repris de la lettre « Dear friends » de ***The Batch* n°366** (DeepLearning.AI).

**Ce qui est annoncé.** *The AI Engineering Skills Map* : **quatre compétences** présentées comme les plus importantes pour un développeur, adossées à *« une analyse de plus de 10 000 offres d'emploi »*, des dizaines d'entretiens structurés avec experts, hiring managers et recruteurs, des sondages et d'autres données en ligne. Double destinataire, explicite : aider les développeurs à **prioriser ce qu'ils apprennent** et les employeurs à **recruter**.

**Les quatre compétences.** **(1) Construire et déployer des applications IA** — leur différence tenant à l'**imprévisibilité des sorties**, il faut connaître les briques (LLM, ingénierie de contexte, RAG, workflows agentiques, machine learning, deep learning) et surtout les **techniques statistiques pour mesurer, piloter et gouverner**, dont *« des boucles d'évaluations et d'analyse d'erreurs disciplinées »*. **(2) Fondamentaux du génie logiciel** — les comprendre permet de *« reconnaître quels arbitrages existent »* (coût, scalabilité, fiabilité, vitesse, sécurité, vie privée) et donc de piloter l'agent *« dans le langage précis du génie logiciel »* ; le vibe coder inexpérimenté échoue parce qu'*« il ne sait pas quel contexte donner à son agent »*. **(3) Utiliser les agents de codage** — modèle mental de leurs limites, gestion du contexte, arbitrage planification/exécution, **fourniture de vérificateurs ou d'evals pour que l'agent ferme ses boucles seul**, travail avec un spec clair *« et quand ne pas s'en donner la peine »*, orchestration multi-agents, garde-fous. **(4) *Shaping the build*** — les agents livrant bien un spec clair, le travail se déplace vers **décider ce que le spec doit contenir** : sens produit, contexte métier, conduite de projet. **Sous-jacent aux quatre : un état d'esprit d'apprentissage continu**, avec *« des routines pour essayer de nouveaux outils »*.

**La thèse réelle, glissée en note de terminologie.** Ng parle de **compétences** d'AI engineering et non du **rôle** « AI Engineer » : *« tous les développeurs devraient savoir travailler avec le cloud, seul un petit nombre porte le titre "Cloud engineer" »*. **L'AI engineering devient un socle, pas une spécialité** — on ne recrute pas, on requalifie.

**Deux réserves.** **Aucun résultat chiffré n'est publié** : pas de pondération, pas de sous-compétences, un clustering qualifié d'analogie *« informelle »*, et la carte détaillée renvoyée à de futurs billets. **C'est l'annonce d'une carte, pas la carte.** Et l'auteur déclare son intérêt : *« DeepLearning.AI's principal focus is to help developers gain these AI engineering skills. »*

## GrapheDeConnaissance

- Andrew Ng —publie→ AI Engineering Skills Map (DOCUMENT, 0.98)
- Andrew Ng —dirige→ DeepLearning.AI (ORGANISATION, 0.96)
- AI Engineering Skills Map —fait_partie_de→ The Batch (DOCUMENT, 0.94)
- AI Engineering Skills Map —affirme_que→ les quatre compétences d'AI engineering les plus importantes sont construire et déployer des applications IA, les fondamentaux du génie logiciel, l'utilisation des agents de codage et le fait de façonner la construction (AFFIRMATION, 0.97)
- AI Engineering Skills Map —est_basé_sur→ une analyse non publiée de plus de 10 000 offres d'emploi, des dizaines d'entretiens structurés avec experts, hiring managers et recruteurs, des sondages et d'autres données en ligne, le clustering étant qualifié par l'auteur d'analogie informelle (MESURE, 0.93)
- Andrew Ng —affirme_que→ il faut parler de compétences d'AI engineering plutôt que du rôle d'AI Engineer, parce que tous les développeurs devraient savoir travailler avec le cloud alors que seul un petit nombre porte le titre de Cloud engineer (CITATION, 0.96)
- compétences d'AI engineering —s_applique_à→ tous les développeurs — full-stack, data, DevOps, machine learning et AI engineers — et non à une spécialité identifiée par un titre de poste (AFFIRMATION, 0.95)
- compétences d'AI engineering —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.95)
- construction et déploiement d'applications IA —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- construction et déploiement d'applications IA —affirme_que→ la différence clé entre une application IA et une application classique est l'imprévisibilité de ses sorties, d'où le recours à des techniques statistiques pour mesurer, piloter et gouverner le système (AFFIRMATION, 0.95)
- construction et déploiement d'applications IA —utilise→ des boucles d'évaluations et d'analyse d'erreurs disciplinées, présentées comme la compétence centrale pour rendre un système IA plus prévisible (AFFIRMATION, 0.94)
- fondamentaux du génie logiciel —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- fondamentaux du génie logiciel —permet→ de reconnaître quels arbitrages existent entre coût, scalabilité, fiabilité, vitesse, sécurité et vie privée, et donc de mieux choisir sa stack, son architecture, son magasin de données et ses tests (AFFIRMATION, 0.95)
- fondamentaux du génie logiciel —permet→ de piloter un agent de codage dans le langage précis du génie logiciel (AFFIRMATION, 0.94)
- vibe coding —s_oppose_à→ la qualité du résultat lorsqu'il est pratiqué par un développeur inexpérimenté, qui ignore les arbitrages faits par son agent et ne sait donc pas quel contexte lui donner (AFFIRMATION, 0.93)
- utilisation des agents de codage —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- utilisation des agents de codage —recommande→ de fournir des vérificateurs ou des evals pour que l'agent ferme ses boucles de façon autonome, de gérer son contexte, d'arbitrer entre planification et exécution, de savoir travailler avec un spec clair et quand ne pas s'en donner la peine, et d'orchestrer plusieurs agents (AFFIRMATION, 0.95)
- utilisation des agents de codage —recommande→ de tenir des routines d'essai de nouveaux outils et de faire évoluer ses workflows, la pratique du codage agentique changeant trop vite pour que la connaissance des pratiques de pointe suffise (AFFIRMATION, 0.94)
- façonner la construction —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.96)
- façonner la construction —affirme_que→ les agents livrant de mieux en mieux un spec clair, le travail de l'ingénieur se déplace vers la décision de ce que le spec doit contenir, et un ingénieur ne doit plus s'attendre à recevoir un design pixel-perfect à seulement implémenter (CITATION, 0.95)
- façonner la construction —utilise→ le sens produit, la compréhension du contexte métier et des objectifs client, ainsi que la conduite de projet — savoir quand livrer vite un MVP à tester auprès d'utilisateurs et quand ralentir pour construire plus soigneusement (AFFIRMATION, 0.94)
- façonner la construction —converge_avec→ le rôle partiel de product management que Ng attribuait déjà aux ingénieurs dans sa lettre sur les trois boucles du développement produit (AFFIRMATION, 0.9)
- apprentissage continu —fait_partie_de→ AI Engineering Skills Map (DOCUMENT, 0.93)
- apprentissage continu —s_applique_à→ les quatre compétences comme socle commun, l'IA continuant de changer vite (AFFIRMATION, 0.92)
- DeepLearning.AI —affirme_que→ son objectif principal est d'aider les développeurs à acquérir ces compétences d'AI engineering (CITATION, 0.96)
- AI Engineering Skills Map —prédit→ la publication d'une carte plus détaillée et de billets développant chacune des quatre compétences, non parus à la date de la fiche (AFFIRMATION, 0.94)
- AI Engineering Skills Map —mesure→ 3 074 365 vues, 35 343 bookmarks, 17 271 likes, 3 028 reposts et 311 réponses sur X au 16 août 2026, soit un rapport bookmarks sur likes d'environ 2,05 (MESURE, 0.9)

---
Canonical: https://www.thekb.eu/fr/fiches/ng-ai-engineering-skills-map-2026-08-14/