Barmen
Préparation Alimentaire et ServiceExposition à l'IA
- Source des données: BLSPublié: '26.08
Modérée· relative
FaibleQuatre bandes relativesTrès élevéeValeur par groupe professionnel
Échelle, base et source
Quatre bandes relatives (Faible / Modérée / Élevée / Très élevée)
831 métiers détaillés du tableau des projections d'emploi du BLS. La valeur est attribuée par code de la National Employment Matrix (NEM), si bien que les métiers partageant un code NEM reçoivent la même bande
- Source des données: AnthropicPublié: '26.03
0.000
0.000Étendue des valeurs présentées ici0.745Échelle, base et source
- Source des données: ILOPublié: '25
0.26
0.09Étendue des valeurs présentées ici0.70Valeur par groupe professionnel
Échelle, base et source
Indice d'exposition à l'IA générative, 0–1 tel que publié
Groupe de base CITP-08 — tous les métiers partageant le code reçoivent cette valeur
Calculé par ce site, non publié par l'OIT : sur les 1 012 professions que ce site relie au jeu de données de l'OIT, 76% atteignent ou dépassent cette valeur.
Quelle est la nature de la valeur publiée par cette source
La catégorie BLS est un rang relatif et non un niveau absolu, et ce n'est pas une mesure de première main : elle regroupe en quatre bandes les rangs centiles du métier dans plusieurs études publiées. Ce n'est ni une prévision d'emploi ou de salaire, ni une probabilité d'adoption, et elle ne distingue pas automatisation et augmentation.
Task-level exposure
Tâches exposées uniquementValues in this tab are predicted labels, not observations. Eloundou et al. (2023) published two rating regimes — human raters and GPT-4 — and the β shown here is derived from the GPT-4 rater basis alone; the same task can take a different value under the other regime. The unit and the meaning differ from the observed shares (%) in the other tabs, so do not place them on the same axis.
| Task | βE1 + 0.5 × E2 |
|---|---|
Balance cash receipts.O*NET Task ID 2225 | 1.0 |
Create drink recipes.O*NET Task ID 2241 | 1.0 |
Order or requisition liquors and supplies.O*NET Task ID 2233 | 0.5 |
Arrange bottles and glasses to make attractive displays.O*NET Task ID 2236 | 0.5 |
Plan, organize, and control the operations of a cocktail lounge or bar.O*NET Task ID 2237 | 0.5 |
Plan bar menus.O*NET Task ID 2239 | 0.5 |
Collect money for drinks served.O*NET Task ID 2223 | 0.0 |
Check identification of customers to verify age requirements for purchase of alcohol.O*NET Task ID 2224 | 0.0 |
Attempt to limit problems and liability related to customers' excessive drinking by taking steps such as persuading customers to stop drinking, or ordering taxis or other transportation for intoxicated patrons.O*NET Task ID 2226 | 0.0 |
Clean glasses, utensils, and bar equipment.O*NET Task ID 2227 | 0.0 |
Take beverage orders from serving staff or directly from patrons.O*NET Task ID 2228 | 0.0 |
Serve wine, and bottled or draft beer.O*NET Task ID 2229 | 0.0 |
Clean bars, work areas, and tables.O*NET Task ID 2230 | 0.0 |
Mix ingredients, such as liquor, soda, water, sugar, and bitters, to prepare cocktails and other drinks.O*NET Task ID 2231 | 0.0 |
Serve snacks or food items to customers seated at the bar.O*NET Task ID 2232 | 0.0 |
Ask customers who become loud and obnoxious to leave, or physically remove them.O*NET Task ID 2234 | 0.0 |
Slice and pit fruit for garnishing drinks.O*NET Task ID 2235 | 0.0 |
Supervise the work of bar staff and other bartenders.O*NET Task ID 2238 | 0.0 |
Prepare appetizers such as pickles, cheese, and cold meats.O*NET Task ID 2240 | 0.0 |
Stock bar with beer, wine, liquor, and related supplies such as ice, glassware, napkins, or straws.O*NET Task ID 18735 | 0.0 |
β = E1 + 0.5 × E2 · E1 = tasks where direct LLM access alone cuts time by at least 50%, E2 = tasks where software built on top of an LLM cuts time by at least 50%. Values take only 0 / 0.5 / 1.0.
Data sources & licenses — O*NET®, Eloundou et al. (2023): see full notices on the Credits page
Occupation information
Évolutions récentes concernant ce métier
mai 2026: Anthropic observed-exposure score: 0% (physical/in-person). Zero observed exposure. Physical/in-person work — AI deployment effectively absent.
[Source: Anthropic Economic Research (Massenkoff & McCrory, 2026)]