Karpathy a note chaque emploi americain pour l'exposition a l'IA — voici ce que les donnees disent
Le cofondateur d'OpenAI Andrej Karpathy a evalue 342 metiers americains pour leur exposition a l'IA. 42 % des travailleurs — 59,9 millions de personnes — se retrouvent dans la zone a forte exposition. Qu'est-ce que ca signifie pour votre carriere ?
Quand Andrej Karpathy — cofondateur d'OpenAI et ancien directeur de l'IA chez Tesla — decide de passer un week-end a scraper l'ensemble du Occupational Outlook Handbook du Bureau of Labor Statistics et a noter chaque emploi pour son exposition a l'IA, les gens pretent attention. Et ils ont raison, parce que les resultats dressent un des portraits les plus complets de la facon dont l'intelligence artificielle remodele le marche du travail americain.
Karpathy a analyse 342 metiers couvrant environ 143 millions de travailleurs americains [Fait]. Il a attribue a chaque emploi un score d'exposition a l'IA de 0 a 10, base sur la part du travail que les grands modeles de langage et les systemes d'IA connexes pourraient plausiblement gerer. La moyenne ponderee pour l'ensemble de la main-d'oeuvre americaine s'etablit a 4,9 sur 10 [Fait] — ce qui revient a dire qu'environ la moitie de ce que les Americains font au travail est desormais a la portee des capacites de l'IA.
Ce chiffre global cache toutefois une variation enorme. Et c'est dans les extremes que ca devient vraiment interessant.
La realite de la forte exposition : 59,9 millions de travailleurs
Sur ces 143 millions de travailleurs, environ 59,9 millions — soit 42 % de la main-d'oeuvre — occupent des metiers avec un score de 7 ou plus sur l'echelle de Karpathy [Fait]. Ce ne sont pas des emplois marginaux. Collectivement, ils representent environ 2 700 milliards de dollars de salaires annuels [Fait]. Ce n'est pas une erreur d'arrondi dans l'economie — c'est l'economie.
Qui est en tete de liste ? Les transcripteurs medicaux ont obtenu un score parfait de 10 sur 10 [Fait] — chaque tache essentielle du role est deja quelque chose qu'un LLM fait bien. Les comptables et les avocats ont tous deux obtenu 9 sur 10 [Fait], refletant la part importante de leur travail qui consiste a traiter, analyser et generer des documents textuels. Si tu travailles dans l'un de ces domaines, ca ne signifie pas que tu seras au chomage l'annee prochaine, mais ca signifie que la nature de ton travail va probablement changer radicalement. Explore notre analyse detaillee pour les comptables | Avocats | Transcripteurs medicaux
A l'autre bout, les couvreurs ont obtenu 0 sur 10 [Fait], les aides a domicile 1 sur 10 [Fait], et les ouvriers du batiment aussi 1 sur 10 [Fait]. Le schema est sans equivoque : les emplois qui exigent une presence physique, de la dexterite manuelle et un jugement environnemental dans le monde reel restent presque entierement hors de portee de l'IA.
Le paradoxe des revenus : plus on gagne, plus on est expose
L'une des conclusions les plus frappantes est la relation entre revenus et exposition a l'IA [Fait]. Les travailleurs gagnant 80 000 dollars ou plus par an font face a un score d'exposition moyen de 6,0 sur 10, tandis que ceux gagnant moins de 30 000 dollars ne sont qu'a 3,4 sur 10 [Fait]. L'education raconte une histoire similaire : les titulaires d'un baccalaureat (licence) obtiennent en moyenne 5,7, contre 4,7 pour ceux avec des diplomes professionnels [Fait].
Ca contredit directement l'ancien modele de l'automatisation, ou les ouvriers d'usine et les caissiers etaient ceux qui ne dormaient plus a cause des machines. L'IA generative renverse le script. Elle excelle precisement dans les taches pour lesquelles les hauts revenus sont payes : analyser des documents complexes, rediger des communications professionnelles, synthetiser de la recherche et generer des productions structurees. Le barista et le plombier sont, paradoxalement, plus en securite que l'avocat d'affaires.
Comment ca se compare aux autres recherches
L'analyse de Karpathy n'existe pas dans le vide. La placer a cote d'autres etudes majeures revele a la fois convergence et tension.
Le propre article d'OpenAI "GPTs are GPTs" (Eloundou et al., 2023) estimait qu'environ 80 % des travailleurs americains occupent des metiers ou au moins 10 % des taches pourraient etre affectees par les LLMs [Fait].
L'Anthropic Economic Index (2025), s'appuyant sur des millions de conversations API reelles, a revele que l'IA est actuellement utilisee davantage pour l'augmentation que pour le remplacement [Fait]. Seulement environ 4 % de l'utilisation observee constituait une automatisation complete de taches [Fait].
Les chercheurs de la Brookings Institution soutiennent regulierement que les donnees du marche du travail ne montrent tout simplement pas le deplacement massif que les scores d'exposition pourraient predire [Fait].
Alors ou se situe le travail de Karpathy ? Voyez-le comme une estimation plafond [Avis] — ce que l'IA pourrait theoriquement faire, pas ce qu'elle fait ou fera dans un delai precis.
Ce que la methode de Karpathy fait bien — et mal
L'approche de Karpathy a de vraies forces. Il a utilise les descriptions de taches detaillees du BLS plutot que d'inventer des categories, et sa notation etait systematique sur les 342 metiers.
Mais il y a des limites importantes [Avis]. Les scores sont generes par un LLM evaluant ses propres capacites — en gros, demander a l'IA combien de chaque emploi elle pense pouvoir faire. Ca cree un biais de confiance evident. De plus, l'analyse traite chaque metier comme un monolithe. Un "avocat" qui redige des contrats toute la journee fait face a une exposition tres differente d'un avocat au tribunal.
Enfin, la methode ne tient pas compte de l'effet de complementarite — le phenomene bien documente ou les outils d'IA rendent souvent les travailleurs humains plus productifs plutot que de les remplacer [Avis].
Ce que ca signifie pour toi
Si ton emploi a obtenu un score eleve sur l'echelle de Karpathy, la pire reaction est la panique. La deuxieme pire est le deni.
La tache compte plus que le titre. Au sein de n'importe quel metier a score eleve, certaines taches sont hautement automatisables et d'autres non. Concentre-toi sur la comprehension de quelles taches a toi sont les plus exposees.
La maitrise de l'IA devient incontournable. Dans chaque metier a forte exposition, les travailleurs qui apprennent a utiliser efficacement les outils d'IA surpasseront ceux qui ne le font pas.
Le calendrier est incertain mais la direction ne l'est pas. Que l'impact complet prenne 3 ans ou 15, la trajectoire vers une plus grande capacite de l'IA dans le travail intellectuel est claire. Profite de l'incertitude du timing — commence a t'adapter maintenant pendant que le marche valorise encore tes competences existantes.
Pour un regard plus approfondi sur l'impact de l'IA sur ton metier specifique, explore nos pages d'analyse pour plus de 1 000 metiers que nous suivons.
Sources
- Karpathy, A. (2026). "AI Exposure Score for US Occupations." Fortune | Awesome Agents
- Eloundou, T. et al. (2023). "GPTs are GPTs." OpenAI.
- Anthropic. (2025). "The Anthropic Economic Index." Anthropic Research
- Brookings Institution. (2025-2026). Rapports sur l'IA et la stabilite du marche du travail.
Historique des mises a jour
- 2026-03-22 : Publication initiale basee sur l'analyse de Karpathy de 342 metiers americains.
_Cet article a ete genere avec l'assistance de l'IA a partir des donnees des sources citees. Tous les faits sont attribues et marques d'indicateurs de confiance ([Fait], [Avis], [Estimation]). En savoir plus sur notre processus de contenu assiste par IA._