L'IA va-t-elle remplacer les agents d'évaluation d'éligibilité ? Les données derrière les gros titres

44 %. C'est ce que les données indiquent sur votre emploi si vous êtes agent d'admissibilité en ce moment. Et si vous avez observé les outils d'IA devenir de plus en plus performants pour traiter les demandes, vérifier les documents et croiser les bases de données, ce chiffre ne vous surprend probablement pas.

Mais voici ce qui pourrait vous surprendre : malgré ce risque, le poste ne disparaît pas. Il se transforme. La question est de savoir si vous serez prêt à ce qu'il devient.

La transformation n'est pas symétrique. L'agent qui traite quarante demandes de SNAP ordinaires par jour en 2025 n'occupera plus le même poste en 2030 — les systèmes d'admission automatisés absorberont la majeure partie de ce travail. Mais l'agent spécialisé dans les dossiers multi-programmes complexes, l'investigation des fraudes ou l'accueil des populations vulnérables sera plus précieux que jamais. Deux agents portant le même intitulé de poste aujourd'hui se dirigent vers des trajectoires de cinq ans radicalement différentes, selon la version du travail sur laquelle ils ont construit leurs compétences.

Ce que les chiffres révèlent réellement

[Fait] Fin 2025, les agents d'admissibilité présentent une exposition globale à l'IA de 56 % et un risque d'automatisation de 44 %. Environ 8 200 personnes occupent ce rôle, pour un salaire médian d'environ 41 800 $ par an. [Fait] Selon les Occupational Employment and Wage Statistics du Bureau of Labor Statistics pour le SOC 43-4061 (mai 2024), la classification plus large des agents d'admissibilité aux programmes gouvernementaux couvre un effectif national d'environ 152 800 travailleurs avec un salaire annuel médian de 50 840 $ — le chiffre de 8 200 reflète le segment plus restreint centré sur les entretiens d'admission, plutôt que la classification administrative complète. [Fait] Le BLS projette une croissance de l'emploi dans cette profession de seulement 2 % entre 2024 et 2034, soit un rythme inférieur à la moyenne de l'ensemble des professions et l'une des perspectives les plus faibles parmi les postes de bureau et d'administration, la plupart des ouvertures provenant du remplacement de départs.

Cette stagnation est réelle, et elle est alimentée par l'IA. Les agences gouvernementales et les organisations de services sociaux déploient des systèmes d'admission automatisés, des portails de candidature pilotés par chatbots et des modèles d'apprentissage automatique capables de vérifier simultanément les critères d'admissibilité dans plusieurs bases de données. Un travail qui nécessitait autrefois qu'un agent vérifie manuellement les pièces justificatives de revenus par rapport aux seuils des programmes peut désormais être calculé en quelques secondes.

[Fait] D'ici 2028, l'exposition globale à l'IA devrait atteindre 70 %, avec un risque d'automatisation grimpant à 58 %. La trajectoire est sans équivoque — ce poste entre dans la zone de transformation profonde.

[Affirmation] Ce qui rend la projection stagnante de 2 % particulièrement éloquente, c'est le décalage entre le déploiement technologique et la réduction des effectifs. De nombreux États opèrent encore avec des effectifs d'agents fixés à l'époque de la Grande Récession, lorsque les caseloads ont explosé et que les recrutements se sont accélérés. À mesure que les systèmes automatisés mûrissent, les agences ne procéderont pas à des licenciements massifs — mais elles ne remplaceront pas les agents partant à la retraite ou quittant l'organisation. La réduction s'effectuera par attrition sur cinq à sept ans, ce qui est plus rapide que ne l'opère généralement la planification d'une reconversion professionnelle. Les travailleurs qui attendent des avis de licenciement explicites laisseront passer la fenêtre de formation.

Là où l'IA prend déjà le dessus

[Fait] La vérification de routine de l'admissibilité — contrôle des niveaux de revenus, de la composition du foyer, du statut d'emploi et de résidence par rapport aux règles des programmes — est le domaine où l'IA performe le mieux. Les systèmes automatisés peuvent extraire des données des dossiers fiscaux, des bases de données d'emploi et des registres d'aide sociale bien plus rapidement que n'importe quel agent humain. Les États qui ont déployé ces systèmes rapportent des délais de traitement réduits de jours à minutes pour les dossiers simples.

[Affirmation] Le traitement des documents est un autre domaine d'excellence pour l'IA. La reconnaissance optique de caractères combinée au traitement du langage naturel peut extraire des informations des fiches de paie, déclarations fiscales, factures de services publics et pièces d'identité, puis les valider selon les formats connus et signaler les incohérences. Le travail mécanique de lecture, de tri et de saisie des données des dossiers de demande est rapidement automatisé.

[Fait] L'admission des demandes elle-même est de plus en plus prise en charge par des chatbots et des IA conversationnelles avant qu'un être humain ne consulte le dossier. Les portails modernes d'aide sociale peuvent guider un demandeur à travers un entretien structuré, poser des questions de clarification lorsque les réponses sont incomplètes et pré-remplir le dossier de demande formel. Lorsqu'un agent humain consulte le dossier, le travail d'admission de routine est déjà effectué — il récupère un fichier partiellement complété avec un problème spécifique signalé pour le jugement humain.

[Fait] Selon le rapport Anthropic Economic Index 2026, environ 49 % des emplois ont vu au moins un quart de leurs tâches réalisées à l'aide de Claude, les tâches de bureau et d'administration apparaissant sur l'API à près du double du taux de Claude grand public — 15 % contre 8 % — reflétant combien les opérations commerciales routinières se prêtent particulièrement à la délégation à l'IA. L'entretien d'admissibilité se situe pleinement dans cette zone de délégation élevée.

[Estimation] La coordination inter-programmes, traditionnellement l'une des parties les plus difficiles du travail, évolue également vers l'automatisation. Lorsqu'un demandeur est éligible simultanément au SNAP, Medicaid, au TANF et aux subventions pour la garde d'enfants, le processus historique nécessitait qu'un agent parcoure manuellement les règles de chaque programme. Les systèmes d'IA peuvent désormais vérifier simultanément tous les programmes auxquels un demandeur pourrait être admissible, signaler les conflits et recommander la configuration optimale des prestations — un travail qui consommait autrefois des heures par dossier.

Là où les humains restent indispensables

[Fait] L'écart de 12 points entre l'exposition (56 %) et le risque (44 %) révèle quelque chose d'important : une part significative de ce travail implique des jugements que l'IA ne peut pas formuler de manière fiable.

Imaginez le demandeur qui ne rentre dans aucune catégorie prédéfinie. La mère célibataire dont les revenus fluctuent d'un mois à l'autre parce qu'elle travaille dans l'économie à la demande. La personne âgée qui ne sait pas naviguer sur un portail en ligne et a besoin que quelqu'un lui explique le processus en face à face. La famille fuyant une violence conjugale dont les documents sont incomplets parce qu'elle est partie précipitamment. Ces situations exigent non seulement la connaissance des règles des programmes, mais la capacité d'évaluer la crédibilité, d'exercer un pouvoir discrétionnaire et de prendre des décisions équitables dans des circonstances ambiguës.

[Affirmation] La détection des fraudes dans les dossiers complexes est un autre domaine où les agents humains surpassent les systèmes automatisés. Si l'IA peut signaler des anomalies statistiques, les agents expérimentés perçoivent des indices comportementaux, des incohérences dans les récits verbaux et des schémas qui n'émergent que par la conversation. L'art de l'entretien — savoir quand approfondir une question, quand proposer une aide, quand escalader — reste résolument humain.

[Fait] Les risques liés à la suppression du jugement humain dans ce travail sont bien documentés. Selon l'examen 2024 du Government Accountability Office américain sur les systèmes d'admissibilité à Medicaid (GAO-24-106883), la plupart des problèmes de conformité identifiés par le CMS début 2023 étaient dus à des défaillances préexistantes des systèmes d'admissibilité — notamment un défaut californien ayant empêché la désinscription en temps utile d'environ 175 000 personnes, des manquements de l'Arkansas à déterminer l'admissibilité sur toutes les bases lors de changements de situation des bénéficiaires, et un arriéré croissant d'audiences équitables en Ohio non résolues dans le délai fédéral de 90 jours. [Fait] Plus largement, le GAO rapporte que les taux de paiements incorrects du SNAP ont oscillé entre 3,2 % et 5,8 % de l'ensemble des paiements au cours de la dernière décennie, et que le taux de paiements incorrects de Medicaid a atteint 9,8 % pour l'exercice 2015 — des modes de défaillance que les systèmes automatisés seuls n'ont pas résolus et qui renforcent l'argument en faveur du maintien d'agents humains pour les décisions à enjeux élevés.

[Estimation] Les considérations d'équité remodèlent également les parties du travail qui restent humaines. Les agences fédérales et étatiques ont été poursuivies en justice lorsque des systèmes d'admissibilité entièrement automatisés ont produit des résultats discriminatoires — refusant des prestations à des demandeurs handicapés incapables de naviguer sur des interfaces numériques, ou signalant systématiquement comme suspectes les demandes de locuteurs non natifs de l'anglais. La responsabilité juridique et éthique des décisions d'admissibilité crée une pression pour maintenir des humains dans la boucle pour tout dossier où la confiance de l'algorithme est faible ou les enjeux pour le demandeur sont élevés.

[Affirmation] Travailler avec des populations vulnérables — sans-abri, victimes de violences conjugales, personnes atteintes de maladies mentales graves, membres non documentés de familles de citoyens — exige des compétences d'entretien informées par le trauma que l'IA n'approxime pas. Ces demandeurs souvent ne peuvent pas ou ne veulent pas remplir un formulaire numérique. Ils ont besoin de quelqu'un capable d'établir la confiance, d'aborder des sujets sensibles et d'expliquer des règles de programmes complexes de manière à respecter leur dignité. Cette partie du travail prend de l'importance à mesure que les cas plus simples s'automatisent.

La vraie transformation

[Estimation] Ce qui se passe n'est pas une simple substitution, mais une restructuration. La détermination de l'admissibilité à fort volume pour les dossiers clairs migre vers des systèmes automatisés. Les agents qui resteront traiteront les dossiers complexes — ceux qui nécessitent jugement, empathie et capacité à travailler avec des populations vulnérables que ne peut pas servir un chatbot.

Cela signifie que le profil de compétences évolue. Les compétences pures en saisie de données et vérification perdent de la valeur. Les compétences en évaluation de dossiers complexes, en accompagnement des demandeurs, en investigation des fraudes et en coordination inter-programmes en gagnent. L'agent de 2028 traitera moins de dossiers, mais des dossiers plus difficiles, requérant une expertise plus approfondie et un jugement plus sophistiqué.

[Estimation] Les évolutions salariales refléteront probablement cette réalité. Le salaire médian de 41 800 $ aujourd'hui reflète la moyenne du travail routinier à fort volume et du travail complexe à plus faible volume — et il est sensiblement inférieur au salaire médian BLS de 50 840 $ pour la catégorie complète de 152 800 travailleurs, suggérant que le segment à forte composante routinière est déjà rémunéré en dessous des parties plus spécialisées du domaine. À mesure que les dossiers routiniers s'automatisent, les postes restants devraient commander des salaires plus élevés, car le travail lui-même est plus difficile. Les agences d'État et de comté qui échouent à ajuster la rémunération peine à retenir les agents expérimentés nécessaires pour le travail complexe, tandis que celles qui investissent dans leurs effectifs restants surperformeront.

Ce que cela signifie pour vous

Si vous êtes agent d'admissibilité aujourd'hui, la projection BLS de 2 % est un signal, pas une sentence. La profession stagne, mais les postes restants deviennent plus qualifiés et plus importants. Voici le calcul stratégique :

Premièrement, développez une expertise dans la détermination complexe de l'admissibilité — les dossiers impliquant plusieurs programmes, des circonstances inhabituelles ou des demandes contestées. Ce sont les dossiers que l'IA gère mal et qui continueront à requérir un jugement humain.

Deuxièmement, développez vos compétences en investigation et en entretien. La capacité à mener un entretien d'admissibilité efficace, à évaluer la crédibilité et à prendre des décisions discrétionnaires avisées devient plus précieuse à mesure que les dossiers routiniers s'automatisent.

Troisièmement, apprenez à travailler aux côtés des outils d'IA. Les agents qui prospéreront seront ceux qui utilisent la vérification automatisée pour gérer le travail mécanique et concentrent leur attention humaine sur les dossiers qui en ont réellement besoin.

[Affirmation] Un quatrième mouvement mérite considération : développer une spécialité dans une population que l'automatisation peine à servir. Les agents bilingues en espagnol, ceux possédant des qualifications en santé mentale, ceux travaillant avec les vétérans, ceux servant les nations tribales, ceux spécialisés dans la réinsertion après incarcération — ces niches gagnent en importance précisément parce qu'elles requièrent des compétences humaines que l'IA générique ne peut pas reproduire. L'agent qui associe une connaissance générale de l'admissibilité à une spécialité populationnelle difficile à répliquer dispose de la position de carrière la plus défendable.

[Estimation] Le plancher de cette profession n'est pas zéro — les programmes sociaux auront toujours besoin du jugement humain dans leur administration. Mais le plafond dépend entièrement de la capacité des agents actuels à s'adapter à un rôle qui ressemble peu à celui pour lequel ils ont été embauchés.

[Affirmation] Un calendrier pratique est important ici. Les États pionniers en matière d'admission automatisée — Californie, Texas, New York et plusieurs autres — ont environ deux à trois ans d'avance sur les États à adoption tardive. Si vous travaillez dans un État pionnier, votre fenêtre de transition se rapproche, et le moment de commencer à développer une expertise dans les dossiers complexes est maintenant. Si vous travaillez dans un État à adoption plus tardive, vous avez plus de marge de manœuvre, mais la technologie est suffisamment mature pour que l'adoption retardée ne dure pas. D'ici 2030, les différences géographiques devraient largement converger, et les agents dans n'importe quel État devraient s'attendre à travailler dans un environnement fortement augmenté par l'IA, quel que soit leur lieu d'emploi actuel.

[Estimation] Les passerelles de carrière adjacentes à considérer comprennent la navigation des prestations (aider les demandeurs et bénéficiaires à utiliser efficacement les programmes, souvent dans des environnements à but non lucratif ou de santé), la gestion de cas (accompagner des familles à travers plusieurs programmes et défis de vie) et les rôles d'assurance qualité au sein des agences (auditer les décisions automatisées pour l'exactitude et l'équité). Chacun s'appuie sur les connaissances en admissibilité et les compétences d'entretien que vous possédez déjà, mais pivote vers des fonctions en croissance plutôt qu'en déclin. L'erreur de carrière la plus difficile à réparer serait de rester dans une version purement orientée saisie de données du poste pendant les cinq prochaines années, pour découvrir ensuite que le poste a été supprimé sans étape suivante évidente.

Pour des données détaillées sur l'automatisation et l'analyse au niveau des tâches, consultez la page de l'occupation des agents d'admissibilité.

_Cette analyse utilise des recherches assistées par IA basées sur des données du rapport 2026 d'Anthropic sur le marché du travail, les projections du BLS et les classifications de tâches O\*NET._