Statisticiens

Informatique et Mathématiques

Exposition à l'IA

  • Source des données: BLSPublié: 2026-08

    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: 2026-03

    0.211

    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: 2025

    0.56

    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, 8% 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
Process large amounts of data for statistical modeling and graphic analysis, using computers.

O*NET Task ID 8954

1.0
Prepare data for processing by organizing information, checking for inaccuracies, and adjusting and weighting the raw data.

O*NET Task ID 8957

1.0
Evaluate the statistical methods and procedures used to obtain data to ensure validity, applicability, efficiency, and accuracy.

O*NET Task ID 8958

1.0
Supervise and provide instructions for workers collecting and tabulating data.

O*NET Task ID 8963

1.0
Adapt statistical methods to solve specific problems in many fields, such as economics, biology, and engineering.

O*NET Task ID 8965

1.0
Develop and test experimental designs, sampling techniques, and analytical methods.

O*NET Task ID 8966

1.0
Examine theories, such as those of probability and inference, to discover mathematical bases for new or improved methods of obtaining and evaluating numerical data.

O*NET Task ID 8967

1.0
Develop software applications or programming for statistical modeling and graphic analysis.

O*NET Task ID 20193

1.0
Present statistical and nonstatistical results, using charts, bullets, and graphs, in meetings or conferences to audiences such as clients, peers, and students.

O*NET Task ID 20194

1.0
Determine whether statistical methods are appropriate, based on user needs or research questions of interest.

O*NET Task ID 21100

1.0

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

Informations professionnelles