L'IA va-t-elle remplacer les développeurs ETL ? Le pipeline change rapidement

Si vous avez déjà écrit une transformation SQL à 2 heures du matin parce qu'un batch nocturne avait échoué et que le tableau de bord du matin était vide, vous connaissez le travail d'un développeur ETL. Vous soupçonnez probablement aussi que l'IA vise ce métier. Vous avez raison — et tort — d'une manière qui compte pour votre carrière.

Nos données montrent que les développeurs ETL présentent une exposition globale à l'IA de 71 % et un risque d'automatisation de 56/100 en 2025. [Fait] Ce sont parmi les chiffres les plus élevés du secteur technologique. Et pourtant, voici la contradiction : le BLS projette une croissance de +11 % jusqu'en 2034. [Fait] Avec un salaire annuel médian de 105 200 $ et environ 82 400 professionnels, [Fait] le développement ETL est simultanément l'une des spécialisations les plus automatisables et les plus demandées.

Trois tâches, trois avenirs

Le développement ETL se décompose en trois catégories de tâches, et l'IA frappe chacune avec une force très différente.

Écrire du code SQL et des scripts pour la logique de transformation mène à 78 % d'automatisation. [Fait] Ce chiffre est réel. Les outils de génération de code IA peuvent désormais produire des modèles dbt, écrire des transformations Spark, générer des scripts Python pour le nettoyage de données et construire des requêtes SQL complexes à partir de descriptions en langage naturel. Si la logique de transformation est bien documentée et le schéma source est propre, un assistant IA produit du code fonctionnel en minutes là où il fallait des heures.

Mais ce que les 78 % ne capturent pas, ce sont les cas limites. Le système source qui envoie des dates dans trois formats différents selon le module legacy ayant généré l'enregistrement. La règle métier non documentée stipulant que les chiffres de revenus Q4 doivent exclure les transferts interentreprises, mais uniquement pour la filiale européenne. Le changement de schéma que l'équipe en amont a déployé vendredi sans prévenir personne. Ce sont ces scénarios où le code généré par l'IA casse, et où les développeurs ETL expérimentés gagnent leur salaire.

Surveiller et résoudre les pannes de pipeline de données atteint 60 % d'automatisation. [Fait] Les plateformes d'observabilité alimentées par l'IA peuvent détecter les anomalies, tracer les cascades de pannes et même auto-remédier les problèmes courants comme relancer les appels API échoués. Mais les pannes vraiment difficiles — corruption de données, dérive de schéma subtile, interactions entre pipelines multiples — nécessitent encore un humain qui comprend à la fois l'infrastructure technique et le contexte métier des données.

Concevoir les spécifications de mapping avec les parties prenantes n'atteint que 35 % d'automatisation. [Fait] C'est là que l'élément humain est le plus fort. S'asseoir avec l'équipe finance pour comprendre comment leur définition du « chiffre d'affaires » diffère de celle de l'équipe commerciale, puis traduire cela en spécification de transformation — ce travail exige une compréhension métier, des compétences en communication et la capacité de naviguer la politique organisationnelle.

Le paradoxe de la demande

Comment un rôle avec 56/100 de risque peut-il croître de +11 % ? La réponse réside dans le volume total de travail sur les données. Chaque entreprise déployant un LLM a besoin de pipelines pour alimenter les données d'entraînement et les entrées de production. Chaque initiative d'analytique temps réel nécessite de l'ETL en streaming. Le volume total de travail sur les pipelines de données croît plus vite que l'IA ne peut l'automatiser.

Comparez cette trajectoire aux architectes d'entreprise à 48 % d'exposition et +8 % de croissance, ou aux ingénieurs données à 57 % d'exposition et +36 % de croissance. La couche d'infrastructure de données s'étend rapidement, et les développeurs ETL sont en plein milieu.

L'écart théorie-observation se rétrécit

L'écart pour les développeurs ETL est plus étroit que pour d'autres rôles : exposition théorique 86 % versus observée 56 % en 2025. [Fait] L'écart de 30 points est significatif mais se referme plus vite que pour la plupart des professions. D'ici 2028, l'exposition observée devrait atteindre 74 %. [Estimation]

La transformation du rôle n'est pas hypothétique — elle se produit maintenant et s'accélère. Les organisations déploient activement des outils ETL assistés par IA en production. La question n'est pas de savoir si votre travail changera, mais si vous dirigerez ce changement ou en serez victime.

Ce que cela signifie pour votre carrière

Si vous êtes développeur ETL, la direction stratégique est claire mais exige une action délibérée.

Montez dans la pile d'abstraction. Le taux de 78 % sur le code SQL signifie qu'écrire du code de transformation à la main perdra de la valeur. Les développeurs qui prospéreront seront ceux qui conçoivent les architectures de pipeline, définissent les standards de qualité de données et prennent les décisions que les outils IA exécutent. Voyez-vous comme l'architecte des flux de données, pas comme le maçon.

Construisez une expertise métier. Le taux de 35 % sur le travail de spécification avec les parties prenantes indique où se trouve le terrain sûr. Si vous comprenez suffisamment le processus de réclamation d'assurance ou la chaîne d'approvisionnement pharmaceutique pour spécifier la logique de transformation en termes métier, vous êtes irremplaçable.

Maîtrisez la nouvelle chaîne d'outils. Résister à l'adoption de l'IA dans l'ingénierie de données est une stratégie perdante. Apprenez dbt, comprenez le fonctionnement de la génération de code par IA, devenez compétent avec les plateformes d'observabilité de données. Le développeur ETL de 2028 écrira moins de code et prendra plus de décisions.

Le rôle de développeur ETL ne disparaît pas. Il évolue plus vite que presque tout autre rôle technologique que nous suivons. Ceux qui évoluent avec lui se retrouveront dans un domaine en croissance, bien rémunéré et de plus en plus stratégique.

Voir l'analyse complète de l'automatisation pour les développeurs ETL

---

Cette analyse utilise la recherche assistée par IA basée sur les données de l'étude Anthropic sur l'impact sur le marché du travail (2026), le BLS Occupational Outlook Handbook et nos mesures propriétaires d'automatisation au niveau des tâches.

Métiers connexes

• L'IA va-t-elle remplacer les ingénieurs données ?
• L'IA va-t-elle remplacer les administrateurs de bases de données ?
• L'IA va-t-elle remplacer les architectes d'entreprise ?
• L'IA va-t-elle remplacer les développeurs logiciels ?

Explorez plus de 1 000 analyses de métiers sur AI Changing Work.

Historique des mises à jour

• 2026-03-29 : Publication initiale avec données réelles 2025 et projections 2026-2028.