Pistes de réinvention
| Métier | Domaine | Score pondéré | Salaire | Effectifs | Réinvention |
|---|
De l'exposition à la perte d'emploi. L'adoption de l'IA s'accélère et transforme le travail, mais l'impact net sur l'emploi reste incertain. Cette timeline retrace les signaux observés en France et en Europe entre 2022 et 2025, classés par niveau de preuve.
8 prédictions sur le déplacement d'emploi, les salaires et l'adoption de l'IA en France, chacune construite à partir de multiples sources pondérées par niveau de preuve et par récence. Cliquez sur une tuile pour voir les sources détaillées. Les chiffres sont des moyennes pondérées recalculées en temps réel selon vos filtres de niveaux de preuve.
Ce que les économistes attendent de la productivité IA. Estimations de probabilité pour la croissance de la productivité 2025–2035 en France et dans les pays avancés, inspirées de l'exercice de Jason Furman (févr. 2026) et croisées avec les prévisions BCE, OCDE et Banque de France. Les barres représentent les probabilités moyennes sur les 5 scénarios de croissance de la productivité totale des facteurs.
Usage des IA génératives en France par tranche d'âge. Sources : Ipsos-CESI (fév. 2025, n=1 048), Ifop-Jedha (oct. 2025, n=1 003, 16-25 ans), Born AI / Heaven (2025, n=495, 18-25 ans). Les données montrent un effet générationnel majeur : les 16-25 ans utilisent l'IA générative deux fois plus que la moyenne nationale.
| Source | Contenu | Millésime | Licence |
|---|---|---|---|
| ROME 4.0 · France Travail | 1 584 fiches métiers, compétences, appellations, codes FAP | 2024 | Licence Ouverte v2.0 |
| EEC · INSEE | Enquête Emploi en Continu : effectifs réels par PCS et FAP | 2024 | Licence Ouverte v2.0 |
| Base Tous Salariés · INSEE | Salaire net médian mensuel par PCS à temps complet | 2023 | Licence Ouverte v2.0 |
| BMO · DARES | Besoins en main-d'œuvre, taux de tension par métier FAP | 2024 | Licence Ouverte v2.0 |
| FAP 2021 · DARES | Nomenclature des 228 familles professionnelles (croisement PCS × ROME) | 2021 | Licence Etalab |
| Ministère de la Justice — Statistiques de la justice 2024 | Effectifs des magistrats (9 300), greffiers (11 000), CPIP (4 400), budget et créations de postes (LFI 2024 — 10 000 emplois d'ici 2027 dont 1 500 greffiers) | 2024 | Licence Ouverte v2.0 |
| CNCEJ — Chambre nationale des experts judiciaires 2024 | ~22 000 experts inscrits sur les listes des cours d'appel. Rapport annuel usages IA des experts judiciaires 2024–2025 | 2024 | Données publiques |
| CNCJ — Chambre nationale des commissaires de justice 2024 | ~4 200 commissaires de justice en France. Profession issue de la fusion huissiers + commissaires-priseurs (ordonnance n°2016-728, entrée en vigueur juillet 2022) | 2024 | Données publiques |
| Décret n°2024-1089 — Corps des cadres greffiers | Création du corps de catégorie A des cadres greffiers des services judiciaires (déc. 2024). Nouveau débouché pour les greffiers via concours ENGreffes | Déc. 2024 | Légifrance — libre accès |
| Acemoglu, Autor, Hazell & Restrepo — J. Labor Econ. 2022 | Données vacances d'emploi US 2010-2018 (near-universe). Résultat : les entreprises exposées à l'IA réduisent certains recrutements mais aucun impact agrégé détectable sur l'emploi ou les salaires au niveau des occupations ou industries. | 2022 · Journal of Labor Economics (peer-reviewed) | T1 |
| Albanesi, Dias da Silva, Jimeno et al. — Economic Policy 2025 | Données zone euro 2011-2019. Résultat clé : les occupations plus exposées à l'IA ont vu leur part d'emploi augmenter, suggérant une complémentarité plutôt qu'une substitution sur cette période. | 2025 · Economic Policy (peer-reviewed) | T1 |
| Aldasoro et al. — BIS/CEPR 2026 | Première preuve causale sur 12 000+ firmes européennes (panel). Résultat : aucune réduction d'emploi à court terme liée à l'adoption de l'IA, avec des gains de productivité significatifs (+10% à +65% selon les tâches). Capital deepening, pas substitution. | 2026 · BIS Working Paper (forthcoming) | T1 |
| Gmyrek, Berg et al. — ILO Working Paper 140 · 2025 | Index mondial affiné d'exposition à la GenAI. Méthodologie hybride : 29 753 tâches (classification polonaise 6 chiffres), enquête auprès de 1 640 travailleurs, validation d'experts internationaux et assistant IA. Scores ISCO-08 à 4 chiffres pour 423 occupations. 4 gradients d'exposition. Résultat clé : 1 travailleur sur 4 dans une occupation exposée, 3,3% dans le gradient le plus élevé. Les femmes (4,7%) davantage exposées que les hommes (2,4%). Accès aux scores par occupation : pgmyrek.github.io/2025_GenAI_scores_ISCO08 | Mai 2025 · ILO Working Paper 140 (peer-reviewed) | T1 |
| OIT — Observatoire IA & Travail numérique | Plateforme de suivi permanent de l'impact de l'IA sur l'emploi mondial. Agrège les publications ILO-NASK, les données d'exposition par occupation, les rapports régionaux et les analyses de dialogue social. Point d'entrée institutionnel pour la recherche BIT sur l'IA et l'emploi. | Mis à jour en continu · ILO — Nations Unies | T2 |
| OIT — Generative AI and Jobs 2025 Update | Mise à jour des estimations 2023 sur 30 000 tâches (ISCO-08 à 6 chiffres). Score moyen d'automatisation légèrement inférieur à 2023 (0,29 vs 0,30). "La plupart des emplois seront transformés, non supprimés." 1 travailleur sur 4 dans une occupation exposée. | Oct. 2025 · OIT — Nations Unies | T2 |
| Nurski & Ruer — Bruegel 2024 | Application de deux indices d'exposition GenAI à l'Enquête européenne sur les forces de travail (EFT). Femmes, diplômés et jeunes plus exposés en Europe. L'analyse par tâche est plus robuste que l'analyse par capacité pour évaluer l'impact réel. | 2024 · Bruegel Working Paper 06/2024 | T2 |
| FMI — AI and Productivity in Europe WP/2025/067 | Effets macroéconomiques de l'IA sur la productivité en Europe. Gains PTF cumulés estimés à 1,1% à moyen terme pour la zone euro. Forte hétérogénéité entre pays — les économies avancées bénéficient davantage. | 2025 · IMF Working Paper | T2 |
| Massenkoff & McCrory · Anthropic 2026 | Observed Exposure : exposition réellement observée sur Claude vs capacité théorique LLM. Données Economic Index (août & nov. 2025, 800+ occupations O*NET). Résultat : 0 impact chômage depuis 2022. Signal précoce : −14% embauches 22-25 ans dans métiers exposés. | Mars 2026 | T1 |
| Eloundou et al. · arXiv 2023 | GPTs are GPTs : mesure théorique β ∈ {0, 0.5, 1} par tâche O*NET. Base de tous les scores théoriques. 97% usages Claude dans catégories β≥0.5. | 2023 | T1 |
Chaque métier reçoit un score pondéré multi-sources (0–10) reflétant l'exposition de ses tâches à l'IA générative. Contrairement à un scoring LLM unique, cette approche croise des études académiques, institutionnelles et journalistiques, chacune pondérée par son niveau de preuve et sa récence.
Formule : score = Σ(valeur × poids_tier × poids_récence) / Σpoids · où le poids de récence varie de 1× (source la plus ancienne) à 2× (source la plus récente).
En plus du score d'exposition aux tâches, chaque métier est taggé selon les réglementations françaises et européennes qui contraignent ou transforment l'adoption de l'IA dans cette profession. Le filtre "Réglementation" permet d'isoler les métiers concernés par un cadre réglementaire spécifique.
| Réglementation | Description | Métiers principalement concernés |
|---|---|---|
| RGPD | Règlement Général Protection des Données (EU 2016/679) — toute profession manipulant des données personnelles est contrainte dans son usage de l'IA. | Médecin, DRH, Juriste, Développeur, Journaliste, Enseignant… |
| IA Act | Règlement européen sur l'IA (EU 2024/1689) — en vigueur depuis 2025. Les systèmes IA à haut risque (santé, justice, éducation, RH) imposent des obligations de transparence et d'audit humain. Facteur d'impact : frein potentiel à l'automatisation totale, mais accélérateur de réglementation des usages. | Radiologue, Magistrat, DRH, Développeur, Enseignant, Policier… |
| AMF / ACPR | Autorité des marchés financiers & Autorité de contrôle prudentiel — l'usage des algorithmes en finance est soumis à des obligations d'explicabilité et de supervision humaine. | Analyste financier, Conseiller bancaire, Actuaire, Contrôleur de gestion… |
| Code Santé | Code de la Santé Publique — les professions de santé réglementées (Ordre des médecins, RPPS) imposent la responsabilité personnelle du praticien. L'IA reste un outil d'aide à la décision, non de substitution. | Médecin, Infirmier, Pharmacien, Radiologue, Kinésithérapeute… |
| LOPJ | Loi d'orientation et de programmation de la justice 2023-2027 — déploiement d'assistants IA aux magistrats et greffiers prévu dès 2025. Facteur accélérateur de transformation, mais maintien de la responsabilité humaine dans la décision judiciaire. | Magistrat, Greffier, Avocat, Commissaire de justice… |
| DSA / DMA | Digital Services Act & Digital Markets Act (EU 2022) — obligations de modération, transparence algorithmique et responsabilité éditoriale pour les plateformes. Impacte les métiers de l'information et de la communication. | Journaliste, Community manager, Rédacteur web, Développeur plateformes… |
| NIS2 | Directive NIS2 (EU 2022/2555) — renforcement des obligations de cybersécurité pour les entités essentielles et importantes. Crée une forte demande en compétences de sécurité informatique. | Développeur logiciel, Chef de projet IT, Automaticien, Logisticien… |
| DORA | Digital Operational Resilience Act (EU 2022/2554) — résilience opérationnelle numérique du secteur financier. Impose des tests de résistance et une supervision humaine des chaînes IT critiques. | Analyste financier, Développeur logiciel (finance), Data scientist, Actuaire… |
| Score | Couleur | Interprétation | Exemples |
|---|---|---|---|
| 0 – 2 | Teal | Exposition minimale · tâches manuelles, relationnelles ou créatives non-reproductibles | Aide à domicile, Maçon, Cuisinier |
| 3 – 4 | Vert | Faible · certaines tâches assistables mais le cœur reste humain | Infirmier, Policier, Musicien |
| 5 – 6 | Jaune | Modérée · mix de tâches exposées et résistantes | Médecin généraliste, Logisticien, Architecte |
| 7 – 8 | Corail | Élevée · majorité des tâches partiellement automatisables | Conseiller bancaire, Ingénieur process, DRH |
| 9 – 10 | Rouge | Très élevée · tâches majoritairement reproductibles par l'IA | Rédacteur web, Traducteur, Analyste financier, Data scientist |
Ce dashboard est indépendant du projet indice-ia.fr (Yann Decoopman, mars 2026), qui couvre 228 métiers FAP 2021 avec un scoring LLM unique. Les deux projets partagent la même source d'inspiration (joshkale.github.io/jobs / Andrej Karpathy) et les mêmes données open data françaises.
| Limite | Impact |
|---|---|
| Exposition ≠ suppression | Un métier fortement exposé peut évoluer plutôt que disparaître. Le score mesure les tâches, pas la probabilité de remplacement. |
| Données démo (38 métiers) | Le pipeline complet cible 1 584 fiches ROME. Les effectifs sont des estimations EEC 2024 approximatives pour la démo. |
| Hétérogénéité des sources | Les sources T1 à T4 peuvent définir « exposition » différemment. La pondération atténue ce biais mais ne l'élimine pas. |
| Obsolescence rapide | Les capacités des modèles évoluent vite. Ce snapshot date de mars 2026 · les scores sont à réévaluer tous les 6 mois. |
| Limites géographiques | Certaines études sont américaines ou européennes. L'extrapolation au marché français introduit un biais de marché du travail. |
| Projet | Auteur | Description | Licence |
|---|---|---|---|
| joshkale.github.io/jobs | Josh Kale | Adaptation de l'idée originale d'Andrej Karpathy · treemap des emplois BLS américains exposés à l'IA, avec scoring par LLM et visualisation D3.js proportionnelle aux effectifs. | MIT |
| github.com/karpathy/jobs | Andrej Karpathy | Concept original : visualiser l'exposition des métiers à l'IA à partir des données Bureau of Labor Statistics (BLS). Ce projet est une adaptation française avec les données officielles françaises (ROME 4.0, EEC 2024, FAP 2021). | MIT |
| indice-ia.fr | Yann Decoopman | Adaptation française du même concept · 228 métiers FAP 2021, scoring Claude Sonnet 4.5, données EEC 2024. Notre projet étend cette approche avec un scoring multi-sources pondéré et des pistes de réinvention. | MIT |
| jobsdata.ai | Matt Zieger | Référence méthodologique pour le scoring pondéré multi-sources par niveaux de preuve (T1×4, T2×2, T3×1, T4×0.5) avec pondération de récence. | Non précisée |