Méthodologie

Un métier est « exposé » lorsqu’une grande part de ses tâches sont des tâches que l’IA générative (les grands modèles de langage et les outils construits sur eux) peut accomplir ou nettement accélérer, ou pour lesquelles on observe qu’elle est utilisée. L’indice place chaque métier que nous couvrons sur une échelle de 0 à 100, par rapport aux autres : plus le chiffre est élevé, plus le travail est de cette nature.

L’exposition n’est pas une perte d’emploi. Le BLS, l’Organisation internationale du Travail (OIT), Microsoft et Anthropic — les éditeurs des données que nous utilisons — le disent tous explicitement. L’exposition peut signifier qu’un métier est automatisé, qu’il est augmenté et change de forme, ou qu’il se développe parce que l’IA rend le travail moins coûteux. Les projections américaines affichées à côté de l’indice le rendent visible : plusieurs des métiers les plus exposés devraient progresser.

Deux sources décrivent ce que l’IA pourrait faire des tâches d’un métier (exposition théorique), et deux décrivent ce à quoi les gens utilisent réellement l’IA (exposition observée) :

Chaque source utilise sa propre échelle : chacune est donc d’abord convertie en centiles sur l’ensemble des métiers qu’elle couvre (pas seulement les nôtres) ; les valeurs ex æquo partagent le rang moyen. La composante théorique est la moyenne des centiles d’Eloundou et de l’OIT ; la composante observée est la moyenne des centiles de Microsoft et d’Anthropic. L’indice est la moyenne des deux composantes. Lorsqu’une source n’a pas de valeur pour un métier, la moyenne utilise les sources qui en ont une ; chaque page métier affiche les deux composantes séparément.

Nos métiers sont rattachés à la classification américaine des professions (SOC 2018) et à la CITP-08. Lorsque les statistiques officielles n’ont pas de catégorie exacte pour l’un de nos intitulés, la page le signale et utilise la catégorie officielle la plus proche ; lorsque les jeux de données d’exposition n’ont pas de code (par exemple chirurgiens, professeurs d’université, mineurs), la valeur est la moyenne des codes étroitement liés qu’ils couvrent. Les métiers militaires ne sont couverts par aucune source : ces pages n’affichent donc aucun chiffre.

Le rang affiché sur chaque page compare le métier aux autres métiers que nous couvrons. Les chiffres des secteurs correspondent à l’indice moyen des métiers d’un secteur, pondéré par l’emploi aux États-Unis (BLS 2025) lorsque tous les métiers du secteur disposent de données du BLS. Les chiffres des pays sont calculés séparément : l’emploi de chaque pays par grand groupe de professions de l’ISCO-08 (ILOSTAT, estimations modélisées de l’OIT), multiplié par le score moyen des métiers de ce groupe dans le Document de travail 140 de l’OIT. Ils utilisent l’échelle 0–1 de l’OIT, et non l’indice 0–100 de ce site.

L’encadré « Marché du travail américain » de chaque page métier cite sans modification les Employment Projections 2025–35 du BLS (publiées le 27 août 2026) : l’emploi en 2025, l’évolution prévue à 2035, le nombre moyen de postes à pourvoir par an, le salaire annuel médian et la formation habituelle pour y accéder. Il affiche aussi la propre catégorie d’exposition à l’IA du BLS (faible, modérée, élevée, très élevée), que le BLS établit à partir de cinq études, dont trois de nos sources.

Les projections du BLS supposent que la technologie continue d’évoluer à son rythme historique et ne tiennent compte de l’IA que lorsque le BLS dispose d’éléments pour un métier précis ; elles ne constituent pas une prévision de l’effet de l’IA à elle seule. Elles décrivent les États-Unis. Les pages dans les autres langues affichent les mêmes chiffres américains, signalés comme données américaines.

Non. Ce n’est pas la probabilité qu’un métier disparaisse, et un chiffre élevé ne signifie pas un pourcentage élevé de risque de perdre son emploi. Aucune méthode publiée ne peut honnêtement attribuer une probabilité unique à tout un métier, car l’issue dépend des employeurs, de la réglementation, des prix et de la façon dont le travail est réorganisé. Pour une question comme « quelle est la probabilité que les comptables soient remplacés par l’IA », la page métier est la meilleure réponse : elle montre quelles tâches sont exposées, lesquelles restent aux personnes, et ce que disent les projections officielles.

Les définitions des tâches sur lesquelles reposent trois des quatre sources sont américaines (O*NET), et les données d’utilisation proviennent des utilisateurs de deux produits, qui ne représentent pas l’ensemble de la main-d’œuvre. Les évaluations théoriques reflètent les capacités de l’IA au moment où chaque étude a été réalisée. Les centiles sont relatifs : un chiffre médian signifie « au milieu parmi ces métiers », et non « la moitié du travail ». L’automatisation physique — véhicules autonomes, robots d’entrepôt — échappe à ce que mesurent ces indicateurs de l’IA générative ; lorsque le BLS cite de tels facteurs pour un métier, nous les indiquons, et le BLS n’applique actuellement aucun ajustement lié aux véhicules autonomes pour les conducteurs.

Chaque page métier comporte aussi un guide rédigé à la main : quelles tâches évoluent, ce qui reste un travail humain, quelles compétences développer et quelles évolutions de carrière ont du sens. Les guides s’appuient sur des recherches dans des sources publiques, sont relus selon un calendrier fixe et ne sont jamais rédigés par une chaîne automatisée. Les évolutions de carrière suggérées sont masquées lorsque le métier cible est à la fois plus exposé et en recul selon les projections.