Methodologie

Notre analyse integre plusieurs sources de donnees faisant autorite pour fournir une vue complete de l'impact de l'IA sur les metiers. Nous surveillons continuellement les nouvelles recherches.

• Massenkoff & McCrory (2026) - Impacts de l'IA sur le marche du travail : metrique d'exposition observee a partir de donnees reelles d'utilisation de ClaudePrincipal
• Eloundou et al. (2023) - GPTs are GPTs : cadre d'exposition theorique des taches (scores beta 0, 0.5, 1)
• Brynjolfsson et al. (2025) - Canaris dans la mine : effets d'emploi observes avec les microdonnees de paie ADP
• Bureau of Labor Statistics americain (2024) - Projections d'emploi 2024-2034 avec taux de croissance par metier
• Systeme de classification O*NET SOC - taxonomie standardisee des metiers et taches utilisee dans toutes les evaluations

Nous utilisons quatre metriques principales pour quantifier l'impact de l'IA sur chaque metier. Chaque metrique capture une dimension differente de l'interaction de l'IA avec les taches professionnelles.

Exposition globale

Une metrique combinee qui synthetise les donnees d'exposition theorique et observee pour fournir un score resume unique (0-100) du degre de chevauchement des taches d'un metier avec les capacites actuelles de l'IA.

Exposition theorique

Mesure ce que l'IA pourrait potentiellement automatiser sur la base de la recherche academique et des evaluations de capacite. Derivee principalement des scores beta d'exposition des taches d'Eloundou et al. (2023).

Exposition observee

Mesure ce que l'IA fait reellement en pratique sur la base de donnees d'utilisation reelles. Derivee de l'analyse par Anthropic de millions de conversations Claude mappees sur les taches professionnelles O*NET.

Risque d'automatisation

La probabilite d'un deplacement significatif d'emploi dans le cadre temporel evalue. Combine les metriques d'exposition avec les donnees de tendances d'emploi, les niveaux de salaire et la substituabilite des taches.

Nous decomposons chaque metier en taches individuelles et evaluons le degre d'automatisation possible par les systemes d'IA actuels et futurs. Cette approche au niveau des taches fournit des perspectives plus nuancees que les estimations globales par metier.

Decomposition au niveau des taches

Chaque metier est decompose en ses taches constitutives en utilisant les activites de travail detaillees (DWA) d'O*NET. Nous evaluons chaque tache independamment plutot que de porter des jugements globaux sur des metiers entiers.

Methodologie du score beta

Suivant Eloundou et al. (2023), chaque tache recoit un score beta : 0 (pas d'exposition), 0.5 (exposition partielle avec supervision humaine), ou 1 (exposition complete a l'automatisation par IA). Ces scores sont agreges pour produire des metriques au niveau du metier.

Construction de series temporelles (2023-2028)

Nous construisons des donnees de series temporelles en utilisant des mesures reelles pour 2023-2025 et des projections estimees pour 2026-2028. Les donnees reelles sont clairement distinguees des estimations dans toutes les visualisations.

Methodologie de projection

Les estimations prospectives (2026-2028) sont basees sur les taux de tendance observes, les ameliorations annoncees des capacites de l'IA et les projections d'emploi du BLS. Toutes les valeurs projetees sont clairement marquees comme des estimations.

La transparence sur nos limites est essentielle pour une analyse responsable. Les utilisateurs doivent considerer ces facteurs lors de l'interpretation de nos donnees.

Tailles d'echantillon

Nos donnees d'exposition observee sont basees sur des millions de conversations Claude, fournissant une couverture statistique robuste pour les metiers a forte utilisation. Cependant, les metiers moins courants peuvent avoir des echantillons plus petits.

Couverture geographique et professionnelle

Couvrant actuellement 55 metiers avec des plans d'expansion a 200+. Les donnees refletent principalement le marche du travail americain et les interactions IA en anglais, ce qui peut ne pas representer pleinement les tendances mondiales.

Frequence de mise a jour

Les metriques principales sont mises a jour lorsque de nouvelles publications de recherche ou des donnees deviennent disponibles. Les projections BLS sont mises a jour annuellement. Les donnees d'exposition observee sont mises a jour avec les nouvelles analyses d'Anthropic.

Ecart theorique vs. observe

Il existe souvent un ecart significatif entre l'exposition theorique (ce que l'IA pourrait faire) et l'exposition observee (ce que l'IA fait reellement). Les barrieres a l'adoption, les contraintes reglementaires et l'inertie organisationnelle font que l'impact reel de l'IA est generalement en retard sur les capacites techniques.

Nous maintenons un registre transparent des mises a jour majeures de donnees et des changements methodologiques.

Tous les points de donnees sont lies a leurs sources originales. Nous fournissons des informations de citation completes pour la transparence. Voir la liste complete des references ci-dessous.