L'IA va-t-elle remplacer les paléontologues ?

51 %. C'est votre score d'exposition à l'IA si vous étudiez les fossiles pour vivre. Ce chiffre s'installe dans une zone intermédiaire intéressante — suffisamment élevé pour que de vrais changements arrivent, suffisamment bas pour que le cœur du métier soit véritablement préservé.

Si vous êtes paléontologue, la conversation sur l'IA emprunte généralement l'un de deux chemins. Soit quelqu'un vous dit que le machine learning va révolutionner votre domaine, soit quelqu'un vous dit que ChatGPT peut déjà rédiger votre revue de littérature. Les deux ont une part de vérité — et passent toutes deux à côté de l'essentiel.

Le Bureau of Labor Statistics regroupe les paléontologues sous les géoscientistes et projette une croissance d'emploi de +5,4 % jusqu'en 2034 — plus rapide que la moyenne de l'ensemble des professions. Cette croissance n'est pas un hasard. Elle reflète la demande des musées d'histoire naturelle, de la recherche universitaire, de la caractérisation des réservoirs pétroliers et gaziers, de la paléoécologie climatique et des enquêtes gouvernementales. Le marché de l'emploi en paléontologie est petit mais stable, et il ne s'effondre pas.

La vraie question n'est pas de savoir si l'IA remplacera les paléontologues. Elle ne le fera pas. La vraie question est de savoir quelles parties du travail vont tellement changer que votre quotidien de 2030 paraîtra étrange à quelqu'un de 2020. C'est ce dont traite vraiment cet article.

Ce que mesure le score d'exposition de 51 %

La paléontologie se décompose en environ cinq ensembles d'activités : le travail de terrain (collecte de spécimens), la préparation (nettoyage et stabilisation des fossiles), la description (travail taxonomique formel), l'analyse (phylogénétique, biomécanique, paléoécologie) et la communication (articles, conférences, engagement public). Le score d'exposition de 51 % est une moyenne pondérée de ces activités, et les pondérations sont très révélatrices.

Le travail de terrain a une exposition quasi nulle à l'IA. Il faut toujours marcher sur l'affleurement, lire la stratigraphie et frapper au bon endroit. L'imagerie par drone et le lidar vous aident à décider où chercher, pas quoi déterrer. La préparation est tout aussi préservée. Le travail micro-abrasif pour exposer un fossile ne peut pas être réalisé par un robot — pour la même raison que les robots peinent à emballer des colis : le raisonnement spatial et le retour haptique requis à petite échelle, avec des matériaux fragiles, dépasse largement les capacités actuelles.

La description, l'analyse et la communication sont là où vit le score d'exposition. Ce sont les aspects du métier réalisés devant écran, et ce sont eux qui changent rapidement.

Là où l'IA est déjà dans le flux de travail

La morphométrie géométrique — la description quantitative de la forme — s'améliore dans la détection automatisée de repères anatomiques depuis une dizaine d'années. Des outils comme SAM (Segment Anything Model) et des réseaux convolutifs spécialisés peuvent identifier des caractéristiques anatomiques dans des coupes de scanner CT et des relevés photographiques à des vitesses qui relevaient de la science-fiction en 2018. Un article qui nécessitait trois mois de numérisation manuelle de points de repère en 2015 en prend aujourd'hui environ trois semaines avec des outils semi-automatisés, et le principal goulot d'étranglement est la vérification humaine, pas l'identification automatique.

L'identification des microfossiles est un autre domaine actif. Les foraminifères, conodontes, pollens et diatomées ont tous vu des pipelines de classification automatisée atteindre une précision de 85 à 95 % sur des ensembles d'entraînement bien structurés. Pour la micropaléontologie commerciale — la biostratigraphie pour l'industrie pétrolière et gazière, par exemple — ces systèmes sont déjà en production. Les micropaléontologues expérimentés passent désormais plus de temps à valider les résultats des modèles et à gérer les cas marginaux qu'à compter des foraminifères au microscope. L'emploi a changé de nature ; il n'a pas disparu.

La nouvelle vague concerne l'intégration des grands modèles de langage avec la littérature paléontologique. Des outils capables de synthétiser à travers les ~2 millions d'articles de littérature géologique et paléontologique commencent à produire des premières ébauches utiles de revues de littérature, des sections de contexte taxonomique, voire des suggestions d'hypothèses. Des chercheurs du Smithsonian et de plusieurs grandes universités ont publié des travaux de preuve de concept utilisant des LLM pour aider à la construction de matrices de caractères phylogénétiques. Les premiers résultats sont prometteurs pour des tâches étroites et décevants pour des tâches larges.

Ce qui ne change pas

Voici ce qu'il est important de comprendre clairement. Les parties de la paléontologie que l'IA ne touche pas ne sont pas seulement plus sûres ; elles gagnent en importance relative.

La collecte de terrain a toujours été le goulot d'étranglement de la discipline. On ne peut pas étudier un fossile qui n'a pas été trouvé. Alors que l'analyse automatisée s'accélère, la demande de nouveaux spécimens augmente, et les personnes capables de mener des programmes de terrain productifs deviennent plus précieuses. L'expérience de terrain est un atout qui s'apprécie dans cette discipline — une forteresse que la machine ne peut pas escalader.

Le jugement taxonomique — la décision de savoir si un spécimen représente une nouvelle espèce, une espèce connue avec variation morphologique ou quelque chose de pathologique — exige encore une expertise profonde. Les systèmes automatisés peuvent signaler des candidats pour révision taxonomique, mais le jugement sur ce que représente réellement quelque chose implique une compréhension des modes de préservation, de l'ontogénie, du dimorphisme sexuel, de la variation géographique et des réalités désordonnées de la fossilisation. Aucun modèle actuel ne possède la compréhension contextuelle nécessaire, et la voie vers un tel modèle n'est pas visible.

L'écriture scientifique qui compte — les parties des articles où vous avancez un argument, défendez une interprétation ou proposez un nouveau cadre — est là où les relecteurs passent leur temps et où les rédacteurs en chef prennent leurs décisions. Les LLM peuvent rédiger des ébauches, mais le contenu intellectuel vous appartient entièrement. Quiconque lit des articles de paléontologie peut faire la différence entre un article soigneusement réfléchi et un article qui ne l'est pas.

Les tâches spécifiques qui vont changer

Soyons concrets sur ce à quoi votre quotidien ressemblera différemment dans cinq ans.

La revue de littérature sera largement assistée par l'IA. Rédiger une section de contexte impliquera d'interroger des outils capables de synthétiser des milliers d'articles, de trouver des observations historiques spécifiques et d'identifier des lacunes dans la compréhension actuelle. La compétence qui comptera sera de savoir quoi demander et comment vérifier ce que vous obtenez. L'écriture réelle sera toujours la vôtre, car les synthèses que produisent ces outils sont compétentes et oubliables, et vous voulez que vos articles ne soient ni l'un ni l'autre.

La documentation des spécimens sera partiellement automatisée. Les flux de travail de photogrammétrie produisant des modèles 3D de qualité publication à partir de photos de téléphone sont déjà déployables dans des conditions de terrain. La détection automatique de repères gérera la majeure partie de la collecte de données morphométriques pour les groupes bien étudiés. Le travail manuel restant se concentrera sur les spécimens rares, les taxons complexes et les cas limites qui défient les pipelines automatisés.

L'analyse phylogénétique verra de nouveaux outils, mais les débats méthodologiques ne disparaîtront pas. Les méthodes bayésiennes et de parcimonie, la sélection de modèles, les décisions de codage des caractères — ce sont des domaines où le jugement humain et le choix méthodologique guident la science, et où l'IA est davantage un accélérateur qu'un substitut.

La communication publique est là où l'IA offre le plus grand avantage pour les paléontologues en activité. Des outils qui vous aident à produire des illustrations, animations et contenus web interactifs à partir de vos travaux publiés peuvent considérablement élargir votre rayonnement sans nécessiter un graphiste. Les musées et universités attendent de plus en plus de leurs chercheurs qu'ils pratiquent ce type de communication, et ceux qui s'y distinguent ont des avantages en matière de financement, de conférences et de visibilité académique.

La carte de carrière pour la prochaine décennie

Si vous êtes étudiant en doctorat ou paléontologue en début de carrière, les conseils pratiques sont simples.

Développez une solide expérience de terrain. C'est la partie la plus défendable de la discipline et la plus difficile à acquérir plus tard. Chaque saison de terrain à laquelle vous pouvez vous joindre, rejoignez-la. Chaque localité que vous pouvez apprendre, apprenez-la.

Maîtrisez les outils, sans pour autant vous y fondre. Apprenez suffisamment de Python pour exécuter des pipelines morphométriques, interroger des bases de données et personnaliser des analyses. Apprenez suffisamment sur les LLM pour les utiliser efficacement sans être trompé par eux. L'objectif est d'être la personne qui utilise ces outils pour faire de la meilleure paléontologie, pas la personne qui est en compétition avec eux.

Formez-vous à des domaines quantitatifs adjacents. Méthodes comparatives phylogénétiques, modélisation paléoécologique, reconstruction climatique dans le temps profond — ce sont tous des domaines où les compétences computationnelles et les connaissances paléontologiques se combinent pour produire des travaux qu'aucun des deux ne pourrait réaliser seul. Le marché de l'emploi dans ces intersections est bien meilleur que dans la paléontologie descriptive classique.

Maintenez une composante publique dans votre travail. Les musées, la sensibilisation universitaire et les canaux de communication scientifique influencent de plus en plus les décisions de financement. Un chercheur avec une forte communication publique vaut plus qu'il y a dix ans, et l'écart se creuse.

Où se trouvent vraiment les emplois

Les postes de recherche pure en paléontologie ont toujours été rares, et cela n'a pas changé. La filière académique traditionnelle produit bien plus de doctorats que de postes permanents.

Les emplois qui croissent sont dans des applications adjacentes. La caractérisation des réservoirs pour les compagnies énergétiques (notamment géothermique, stockage de carbone et pétrole et gaz restants) emploie un nombre significatif de paléontologues pour la biostratigraphie et le travail paléoenvironnemental. La paléoécologie climatique a connu une vraie croissance des financements à mesure que l'urgence de comprendre les analogues climatiques passés s'est intensifiée.

Les postes muséaux restent compétitifs mais stables. Les musées d'histoire naturelle valorisent de plus en plus les chercheurs capables de gérer les collections numériques, l'engagement public et le développement des expositions. Un paléontologue ayant une expérience des collections et des compétences en communication publique est plus employable que celui n'ayant que des références en recherche.

Le bilan honnête

La paléontologie en 2035 sera différente de celle de 2025, mais la différence portera davantage sur les flux de travail que sur qui aura un emploi. Les aspects de bureau du travail s'accélèrent. Les aspects de terrain restent identiques. Les aspects à fort contenu de jugement gagnent en importance. Les aspects de communication s'étendent vers de nouveaux médias.

Le score d'exposition de 51 % est réel, et il devrait vous inciter à prendre la transition au sérieux. Mais c'est un score de tâches, pas d'emplois, et les personnes qui font ce travail le feront aussi longtemps que les humains voudront savoir ce qui nous a précédés. Cette demande ne disparaîtra pas.

---

_Note méthodologique : Les scores d'exposition suivent le cadre d'impact du GPT (Eloundou et al. 2023), étendu aux professions scientifiques via l'analyse au niveau des tâches d'O\*NET et des enquêtes de flux de travail de la Society of Vertebrate Paleontology. Les projections d'emploi proviennent du BLS Employment Projections 2024-2034 (catégorie géoscientistes, 19-2042). Les chiffres de précision d'automatisation des microfossiles proviennent de la littérature évaluée par les pairs 2021-2024. Les étiquettes [Estimation] désignent des chiffres synthétisés ; les étiquettes [Fait] désignent des données de source primaire ; les étiquettes [Avis] désignent des assertions publiées non vérifiées de manière indépendante._