/fdata%2F0480442%2Favatar-blog-14482499-tmpphpzdOzZR.jpeg){kind=avatar}
/image%2F1580173%2F20261007%2Fob_0a4bff_capture-d-ecran-2026-10-07-150307.png)
Les kinésithérapeutes et les spécialistes en finance quantitative font partie des profils les plus recherchés par les recruteurs en 2026. À première vue, ces métiers n’ont rien à voir. L’un travaille au contact direct des patients. L’autre construit des modèles mathématiques pour les marchés financiers.
Pourtant, ils ont un point commun majeur: l’IA ne peut pas remplacer le cœur de leur travail.
La base professionnelle de contacts de SignalHire permet d’observer le comportement de recherche des recruteurs avant la publication des offres d’emploi. Lorsqu’un recruteur recherche un profil précis, ce signal apparaît souvent plusieurs semaines avant qu’une annonce ne soit visible publiquement.
Les débats sur l’IA parlent souvent de secteurs entiers. C’est trop large. Les données montrent autre chose: le marché du travail se réorganise selon le degré d’automatisation possible des tâches.
Aux États-Unis, les recherches de kinésithérapeutes ont augmenté de 1 473% sur un an. Les recherches d’assistants en kinésithérapie ont progressé de 5 717%. Dans le même temps, les recherches mondiales de Software Engineers ont chuté de 68%. Au Canada, les recherches de Digital Marketing Specialists ont reculé de 95%.
Ce n’est pas une contradiction. C’est un tri.
Les métiers qui exigent une présence physique, un jugement clinique ou réglementaire, une expertise technique précise, ou une forte interaction humaine gagnent en importance. Les métiers dont la production principale se rapproche déjà de ce que les outils d’IA savent faire perdent en volume de recherche.
La kinésithérapie se trouve au croisement de plusieurs tendances. La population vieillit. Les opérations reportées pendant la pandémie reviennent dans les parcours de soins. Les besoins en rééducation augmentent.
Mais le facteur le plus important reste simple. Un kinésithérapeute travaille avec un patient dans l’espace physique. Il observe le mouvement, la douleur, la compensation, et la progression. Il ajuste la séance en temps réel.
L’IA peut aider à documenter ou à analyser certaines données. Elle ne peut pas prendre la place du praticien pendant la séance.
C’est pourquoi les recruteurs cherchent ces profils plus tôt et avec plus d’intensité. La pénurie n’est pas seulement une projection. Elle apparaît déjà dans les recherches.
La finance quantitative semble totalement différente. Elle repose sur les mathématiques, la modélisation, les marchés, et la gestion du risque. Pourtant, la logique est proche.
L’IA a déjà absorbé une partie du travail analytique répétitif. Elle peut accélérer certaines recherches, générer du code, tester des hypothèses, et analyser des séries de données. Mais elle ne porte pas la responsabilité d’un modèle financier. Elle ne répond pas devant un régulateur. Elle ne décide pas seule dans un contexte d’incertitude.
C’est là que l’expertise humaine reste rare.
Au Royaume-Uni, les recherches de spécialistes en finance quantitative ont augmenté de 2 688 %. Dans le même pays, les recherches de Software Engineers ont chuté, tandis que celles de Java Developers et de profils QA ont fortement augmenté. Le message est clair: les profils généralistes reculent, les spécialistes progressent.
Le vrai enjeu n’est pas seulement de savoir quelles offres publier. Le vrai enjeu est de savoir quels profils contacter avant que le marché public ne confirme la tendance.
Dans les métiers sous tension, les meilleurs candidats ne consultent pas toujours les job boards. Ils sont déjà en poste, peu disponibles, et souvent sollicités par plusieurs entreprises. Les recruteurs doivent donc travailler avec des profils cibles précis, des données de contact vérifiées, et une approche directe.
Attendre une candidature entrante ne suffit plus dans les segments où la demande monte rapidement.
Les données ne montrent pas une disparition générale des emplois. Elles montrent une redistribution. Certains métiers perdent de l’attention parce que l’IA reprend une partie de leur production quotidienne. D’autres gagnent parce qu’ils reposent sur ce que l’IA ne sait pas faire de manière fiable.
Pour les équipes RH, cette distinction devient centrale. Il ne suffit plus de suivre les prévisions officielles. Il faut repérer les signaux faibles dans les comportements de recherche.
Les équipes qui comprennent cette réorganisation avant les autres construisent leur vivier de candidats plus tôt. Les autres découvrent la tension quand le poste est déjà difficile à pourvoir.