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.

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

**Andrew Ng** — fondateur de **DeepLearning.AI** , x.com

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. »