Employés de Bureau

Bureau et Soutien Administratif

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

    0.450

    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

    0.60

    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, 4% 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

Afficher 5 tâches masquées

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
Compile, copy, sort, and file records of office activities, business transactions, and other activities.

O*NET Task ID 828

1.0
Complete and mail bills, contracts, policies, invoices, or checks.

O*NET Task ID 829

1.0
Compute, record, and proofread data and other information, such as records or reports.

O*NET Task ID 831

1.0
Maintain and update filing, inventory, mailing, and database systems, either manually or using a computer.

O*NET Task ID 832

1.0
Process and prepare documents, such as business or government forms and expense reports.

O*NET Task ID 838

1.0
Type, format, proofread, and edit correspondence and other documents, from notes or dictating machines, using computers or typewriters.

O*NET Task ID 840

1.0
Prepare meeting agendas, attend meetings, and record and transcribe minutes.

O*NET Task ID 843

1.0
Troubleshoot problems involving office equipment, such as computer hardware and software.

O*NET Task ID 844

1.0
Communicate with customers, employees, and other individuals to answer questions, disseminate or explain information, take orders, and address complaints.

O*NET Task ID 826

0.5
Answer telephones, direct calls, and take messages.

O*NET Task ID 827

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: Office clerks identified in OpenAI 18% high-pressure band; structured admin language tasks dominate role.

[Source: OpenAI Jobs Transition Framework, April 2026]

mars 2026: Brookings study finds office clerks are the single largest group (2.5M workers) in the high AI exposure, low adaptive capacity category. Geographic concentration in college towns and state capitals.

[Source: Brookings Institution — Measuring US workers capacity to adapt (2026-01)]

nov. 2025: McKinsey MGI report flags office clerks doing routine filing, scheduling, and document processing as highly automatable. 30% of work hours could be automated in midpoint scenario by 2030.

[Source: McKinsey Global Institute]