Risque d’emploi IA dans le secteur Science
La science produit d’énormes volumes de texte et de données, et l’IA change déjà la part de ce travail traité manuellement. La revue de littérature, le nettoyage des données et la première comparaison de modèles ou de méthodes peuvent désormais se faire bien plus vite qu’un chercheur travaillant seul. La tension est que résumer des travaux antérieurs n’est pas la même chose que savoir quelle question mérite d’être posée, et faire tourner une analyse n’est pas la même chose que savoir si son résultat signifie réellement ce qu’il semble signifier. Ces jugements reposent sur la formation et la réputation d’un scientifique, pas sur l’outil qui a produit le brouillon.
Exposition moyenne du secteur
76
Emplois analysés
9
Comment lire utilement cette page
Les notes ci-dessous expliquent comment lire le chiffre du secteur, où l’IA générative atteint le travail en premier et où le travail mené par des personnes a le plus de chances de perdurer.
Comment lire cette page sectorielle
Pour lire l’effet de l’IA sur la science, séparez le traitement de l’information du jugement scientifique qui l’entoure. Rechercher et résumer la littérature, nettoyer et prétraiter des jeux de données, faire tourner des comparaisons statistiques ou de modèles standard, et rédiger des registres de laboratoire de routine, avancent bien plus vite avec les outils actuels. Formuler une question réellement nouvelle, concevoir une expérience qui la teste réellement, et interpréter un résultat ambigu ou surprenant n’avancent pas au même rythme, car cela dépend d’un jugement disciplinaire qu’un outil ne peut faire naître.
Ce que l’automatisation touche d’abord
L’IA progresse d’abord dans la recherche et le résumé de littérature à travers de grands nombres d’articles, dans les pipelines de nettoyage et de prétraitement de données, dans la rédaction et le formatage de cahiers de laboratoire et de rapports de routine, et dans la comparaison rapide de première passe de modèles, de paramètres ou d’approches d’analyse. Certains flux expérimentaux utilisent déjà des instruments automatisés pour le traitement répétitif d’échantillons. Elle cale sur le cœur de la recherche : décider quelle question mérite d’être poursuivie, concevoir une expérience ou une étude qui isole la bonne variable, juger si un résultat surprenant reflète la réalité ou un artefact, et assumer la responsabilité d’une affirmation publiée sous le nom d’un chercheur.
Ce qui dépend encore des personnes
Ce qui reste durablement humain dans la science, c’est l’origination et le jugement, pas le traitement. Les chercheurs principaux qui cadrent les questions qui comptent, les expérimentateurs qui conçoivent des études contrôlant les bonnes variables, les scientifiques qui interprètent des résultats ambigus ou contradictoires en contexte, et les relecteurs et mentors qui exercent un jugement sur ce qui constitue une affirmation valide, dépendent tous d’une expertise disciplinaire et d’une responsabilité qu’un modèle peut assister mais non remplacer.
Comment utiliser l’écart
Pour les rôles scientifiques, pesez la part du travail consacrée à la recherche de littérature, au traitement des données ou à l’analyse de routine, face à la formulation de questions et l’interprétation de résultats. Les rôles concentrés sur la revue de littérature, le nettoyage des données ou les comparaisons de modèles standard doivent s’attendre à un score plus élevé, ces tâches étant déjà comprimées par les outils actuels. Les rôles centrés sur le cadrage de questions originales, la conception expérimentale, ou l’interprétation de résultats ambigus doivent lire un score plus bas comme le reflet d’un jugement qui reste résolument humain.
Emplois les plus exposés à l’IA
Le tableau ci-dessous donne un aperçu actuel des métiers qui se situent aujourd’hui du côté le plus exposé dans ce secteur. Il faut le lire avec l’explication fixe ci-dessus et non comme une liste permanente.
| Rang | Métier | Exposition à l’IA générative |
|---|---|---|
| 1 | Sociologue | 90 |
| 2 | Météorologue | 85 |
| 3 | Physicien | 84 |
| 4 | Astronome | 81 |
| 5 | Biologiste | 80 |
| 6 | Anthropologue | 80 |
| 7 | Chimiste | 77 |
| 8 | Assistante de recherche | 71 |
| 9 | Géologue | 68 |
L’exposition va de 0 à 100 et compare les métiers entre eux, à partir de jeux de données publics (voir les sources). Ce n’est pas une probabilité que le métier disparaisse. Méthodologie
Sources
Indice d’exposition calculé par ai-job-risk.net à partir des jeux de données ci-dessous (données au 15 octobre 2026). Les chiffres du travail américains proviennent du BLS, sans modification.
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
Les éditeurs de ces données n’ont ni préparé, ni relu, ni approuvé ce site. Citations complètes, licences et méthode
Questions fréquentes
Q.Quels emplois du secteur Science sont les plus exposés à l’IA ?
Les plus exposés : Sociologue, Météorologue, Physicien. L’IA progresse d’abord dans la recherche et le résumé de littérature à travers de grands nombres d’articles, dans les pipelines de nettoyage et de prétraitement de données, dans la rédaction et le formatage de cahiers de laboratoire et de rapports de routine, et dans la comparaison rapide de première passe de modèles, de paramètres ou d’approches d’analyse. Certains flux expérimentaux utilisent déjà des instruments automatisés pour le traitement répétitif d’échantillons.
Q.Quels emplois du secteur Science sont les plus à l’abri de l’IA ?
Ce qui reste durablement humain dans la science, c’est l’origination et le jugement, pas le traitement. Les chercheurs principaux qui cadrent les questions qui comptent, les expérimentateurs qui conçoivent des études contrôlant les bonnes variables, les scientifiques qui interprètent des résultats ambigus ou contradictoires en contexte, et les relecteurs et mentors qui exercent un jugement sur ce qui constitue une affirmation valide, dépendent tous d’une expertise disciplinaire et d’une responsabilité qu’un modèle peut assister mais non remplacer.
Q.Le secteur Science est-il à l’abri de l’IA ?
Pour les rôles scientifiques, pesez la part du travail consacrée à la recherche de littérature, au traitement des données ou à l’analyse de routine, face à la formulation de questions et l’interprétation de résultats. Les rôles concentrés sur la revue de littérature, le nettoyage des données ou les comparaisons de modèles standard doivent s’attendre à un score plus élevé, ces tâches étant déjà comprimées par les outils actuels. Les rôles centrés sur le cadrage de questions originales, la conception expérimentale, ou l’interprétation de résultats ambigus doivent lire un score plus bas comme le reflet d’un jugement qui reste résolument humain.
Q.Comment le chiffre du secteur Science est-il calculé ?
C’est l’indice d’exposition moyen des métiers du secteur Science que nous couvrons, pondéré par l’emploi américain lorsque des données du BLS existent. Consultez la page méthodologie pour connaître les sources et la façon de les lire.