Scientifiques des Données

Informatique et Mathématiques

Exposition à l'IA

  • Source des données: BLSPublié: '26.08

    Très élevée· relative

    FaibleQuatre bandes relativesTrès élevée

    Valeur 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

    Jeu de données source (téléchargement XLSX)

  • Source des données: AnthropicPublié: '26.03

    0.461

    0.000Étendue des valeurs présentées ici0.745
    Échelle, base et source

    Indice d'exposition observée, 0–1 tel que publié

    Rapporté aux tâches O*NET

    Jeu de données source

  • Source des données: ILOPublié: '25

    0.57

    0.09Étendue des valeurs présentées ici0.70

    Valeur 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, 7% atteignent ou dépassent cette valeur.

    Jeu de données source

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

Values 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.

TaskβE1 + 0.5 × E2
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use.

O*NET Task ID 21824

1.0
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods.

O*NET Task ID 21825

1.0
Clean and manipulate raw data using statistical software.

O*NET Task ID 21826

1.0
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance.

O*NET Task ID 21827

1.0
Design surveys, opinion polls, or other instruments to collect data.

O*NET Task ID 21830

1.0
Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques.

O*NET Task ID 21834

1.0
Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest.

O*NET Task ID 21837

1.0
Write new functions or applications in programming languages to conduct analyses.

O*NET Task ID 21838

1.0
Analyze, manipulate, or process large sets of data using statistical software.

O*NET Task ID 21823

0.5
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software.

O*NET Task ID 21828

0.5

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

avr. 2026: Bank of Korea research shows junior knowledge workers (≤5 years experience) face 4.0% work hour reduction from AI vs 2.9% for 21+ year veterans. Youth jobs in AI-exposed sectors declined 98.6% of 2.11M total losses (2022-2025).

[Source: Bank of Korea Employment Research (2025)]

mars 2026: BLS projects 36% growth in data scientist roles through 2034, highest among tech occupations

[Source: U.S. Bureau of Labor Statistics]

mars 2026: Dallas Fed: Data scientists classified as high AI-exposure occupation. Wage premiums rising as AI amplifies analytical productivity for experienced workers.

[Source: Dallas Fed (Feb 2026)]