L’Intelligence Artificielle & les Métiers du Futur:
Les métiers dans l'Intelligence Artificielle c'est un domaine en pleine expansion qui ouvre la voie à de nombreux métiers :
Présentation sur l'Intelligence Artificielle et ses Métiers :
IA & Métiers France : Observatoire des données
8 prédictions sur le déplacement d'emploi, les salaires et l'adoption de l'IA en France, chacune construite à partir de multiples sources pondérées par niveau de preuve et par récence. Cliquez sur une tuile pour voir les sources détaillées. Les chiffres sont des moyennes pondérées recalculées en temps réel selon vos filtres de niveaux de preuve.
Ce que les économistes attendent de la productivité IA. Estimations de probabilité pour la croissance de la productivité 2025–2035 en France et dans les pays avancés, inspirées de l'exercice de Jason Furman (févr. 2026) et croisées avec les prévisions BCE, OCDE et Banque de France. Les barres représentent les probabilités moyennes sur les 5 scénarios de croissance de la productivité totale des facteurs.
Usage des IA génératives en France par tranche d'âge. Sources : Ipsos-CESI (fév. 2025, n=1 048), Ifop-Jedha (oct. 2025, n=1 003, 16-25 ans), Born AI / Heaven (2025, n=495, 18-25 ans). Les données montrent un effet générationnel majeur : les 16-25 ans utilisent l'IA générative deux fois plus que la moyenne nationale.
Méthode de scoring
Chaque métier reçoit un score pondéré multi-sources (0–10) reflétant l'exposition de ses tâches à l'IA générative. Contrairement à un scoring LLM unique, cette approche croise des études académiques, institutionnelles et journalistiques, chacune pondérée par son niveau de preuve et sa récence.
Formule : score = Σ(valeur × poids_tier × poids_récence) / Σpoids · où le poids de récence varie de 1× (source la plus ancienne) à 2× (source la plus récente).
T1 · Recherche
×4
Peer-reviewed, NBER, NEJM, Science, JAMA, BIS Working Papers
T2 · Institutionnel
×2
McKinsey, BCE, FMI, OCDE, France Stratégie, Commission EU
T3 · Presse
×1
Les Échos, Le Monde, Reuters, FT · données originales ou citations directes
T4 · Expert
×0.5
Opinions d'experts, sondages sectoriels, estimations de praticiens
84
Métiers analysés
7.9M
Emplois couverts
5.1/10
Score moyen pondéré
23%
% fortement exposés (≥7)
Sources de données
En plus du score d'exposition aux tâches, chaque métier est taggé selon les réglementations françaises et européennes qui contraignent ou transforment l'adoption de l'IA dans cette profession. Le filtre "Réglementation" permet d'isoler les métiers concernés par un cadre réglementaire spécifique.
Distinction fondamentale — exposition ≠ suppression d'emploi
Ce que ce score mesure : la proportion des tâches d'un métier que l'IA générative pourrait théoriquement effectuer aujourd'hui. Un score de 8/10 signifie que 80% des tâches sont exposées — pas que 80% des travailleurs perdront leur emploi.
Ce que la recherche montre : Acemoglu, Autor, Hazell & Restrepo (2022, Journal of Labor Economics) trouvent aucun impact agrégé détectable sur l'emploi malgré l'exposition. Albanesi et al. (2025, Economic Policy) constatent que les occupations plus exposées à l'IA en Europe ont vu leur part d'emploi augmenter entre 2011 et 2019. Aldasoro et al. (BIS 2026) confirment sur 12 000 firmes européennes : aucune réduction d'emploi à court terme.
Le consensus académique en 2026 : l'IA transforme les tâches plutôt qu'elle ne supprime les emplois — du moins à ce stade. Le signal préoccupant reste le ralentissement des embauches des 22-25 ans dans les métiers très exposés (−14%, Massenkoff & McCrory 2026, à peine significatif statistiquement).
Comparaison avec indice-ia.fr
Ce dashboard est indépendant du projet indice-ia.fr (Yann Decoopman, mars 2026), qui couvre 228 métiers FAP 2021 avec un scoring LLM unique. Les deux projets partagent la même source d'inspiration (joshkale.github.io/jobs / Andrej Karpathy) et les mêmes données open data françaises. Votre métier est-il menacé par l'IA ? https://indice-ia.fr/
(22) Office fédéral de la statistique OFS : Présentation | LinkedIn https://www.linkedin.com/company/statdatach/
Merci à NaullyNicolas :
Un dépôt GitHub a disparu il y a quelques jours.
Andrej Karpathy ancien directeur de l'IA chez Tesla, cofondateur d'OpenAI avait scoré l'ensemble des métiers américains selon leur exposition à l'IA générative. La visualisation est devenue virale avant d'être supprimée.
J'ai construit la version française. Et j'ai fait des choix différents.
Premier choix : les données. Le projet original utilisait le BLS américain. J'ai utilisé le ROME 4.0 de France Travail, les effectifs réels de l'Enquête Emploi en Continu 2024 (Insee), et la nomenclature FAP 2021 (DARES). Ce ne sont pas des estimations. Ce sont les données officielles françaises sur le marché du travail.
Deuxième choix : le scoring. La version originale demandait à un LLM d'évaluer chaque métier. J'ai croisé des sources pondérées par niveau de preuve : études académiques peer-reviewed (Eloundou et al., Brynjolfsson, Autor), rapports institutionnels (International Monetary Fund, BCE, Haut-commissariat à la Stratégie et au Planégie), et en intégrant les dernières données de l'Anthropic Economic Index de mars 2026 qui introduit la notion d'exposition observée vs théorique.
Troisième choix : la finalité. Le projet original s'arrête au diagnostic. Le mien propose, pour chaque métier, trois pistes de réinvention concrètes ancrées dans le marché français.
Un outil de cartographie des transitions, pas un oracle de la destruction.
Code source disponible sur demande.
Lien de la version interactive
La preuve avant le récit :
La société essaie de comprendre ce que l’IA signifie pour le travail et les réponses ne cessent d’évoluer.
Depuis des années, je souhaite un lieu unique qui synthétise ce que nous savons réellement sur l’impact de l’IA sur les opportunités économiques : pas le battage médiatique, pas le désastre, mais les preuves.
Ce site a vu le jour comme un moyen de suivre comment les prédictions sur le déplacement, les salaires, l’adoption et le comportement des entreprises évoluent à mesure que de nouvelles recherches, données et preuves concrètes apparaissent. Elle est rapidement devenue quelque chose de plus : une ressource pour simplifier la recherche économique complexe sur l’impact de l’IA sur l’emploi, afin que toute personne — que vous soyez un leader de la main-d’œuvre, un parent d’un enfant en cours d’études ou simplement quelqu’un qui essaie de planifier — puisse s’engager avec ce nouvel avenir incertain de manière lucide.
Explorez les visualisations ( Tâches professionnelles, Économie pleine, Prédictions ) et des explications ( Courbe en J, Contexte historique, Élasticité de la demande, Premiers indicateurs ) ou discuter avec Gob, notre robot sympathique soutenu par la recherche. L’objectif est d’aider les personnes qui en ont le plus besoin à avoir une réponse plus réfléchie et fondée sur des preuves face à ce qui nous attend.
Inspiration & crédits
| Projet | Auteur | Description | Licence |
|---|---|---|---|
| joshkale.github.io/jobs | Josh Kale | Adaptation de l'idée originale d'Andrej Karpathy · treemap des emplois BLS américains exposés à l'IA, avec scoring par LLM et visualisation D3.js proportionnelle aux effectifs. | MIT |
| github.com/karpathy/jobs | Andrej Karpathy | Concept original : visualiser l'exposition des métiers à l'IA à partir des données Bureau of Labor Statistics (BLS). Ce projet est une adaptation française avec les données officielles françaises (ROME 4.0, EEC 2024, FAP 2021). | MIT |
| indice-ia.fr | Yann Decoopman | Adaptation française du même concept · 228 métiers FAP 2021, scoring Claude Sonnet 4.5, données EEC 2024. Notre projet étend cette approche avec un scoring multi-sources pondéré et des pistes de réinvention. | MIT |
| jobsdata.ai | Matt Zieger | Référence méthodologique pour le scoring pondéré multi-sources par niveaux de preuve (T1×4, T2×2, T3×1, T4×0.5) avec pondération de récence. | Non précisée |
Snapshot : mars 2026 · Pipeline Python open source disponible sur GitHub · Données : ROME 4.0, INSEE EEC 2024, DARES BMO 2024 · Licence Ouverte v2.0
l-intelligence-artificielle-et-les-metiers-du-futur-guide-pour-eleves-de-seconde from Erol GIRAUDY https://pagesinfos.blogspot.com/2026/03/lcf.html
--------------------------------------------------------------------Ce sera sur : https://fr.slideshare.net/ et gratuit.
Contenu enregistré de PierreErolGiraudy
https://fr.slideshare.net/saved
Mes deux nouveaux livres sur AMAZON.
1) Exemple de rédaction avec IA :
L' AI pour la Généalogie avec UGAIA (G·AI - G·IA): Prompt et analyse à partir d'un fichier généalogique GEDCOM https://uga-ia.blogspot.com/2026/02/prompt-et-analyse-partir-dun-fichier.html
2) L' AI pour la Généalogie avec UGAIA (G·AI - G·IA) :
Le prompt pour la conférences sur la G·IA
.png)
