Accueil › Blog › Exposition des métiers à l'IA

Quels métiers sont réellement exposés à l'IA ? La méthode pour le savoir

Publié le 28 octobre 2026 · par Amine, AI business analyst en CAC 40 · 7 min de lecture

« Quel métier choisir pour être à l'abri de l'IA ? » La question est partout, et elle est mal posée. Parce qu'un métier n'est pas exposé à l'IA. Ce sont les tâches qui le composent qui le sont, une à une. Et tant qu'on mesure l'exposition par l'intitulé, on se trompe de cible.

Pourquoi l'intitulé de ton métier ne te dit rien de ton exposition

Prends deux personnes qui portent le même titre : « chargé de projet ». L'une passe ses journées à rédiger des comptes rendus, à consolider des tableaux, à relancer des prestataires par mail. L'autre anime des ateliers, arbitre des conflits entre équipes, porte la responsabilité d'un planning devant un comité. Le même intitulé, deux expositions à l'IA radicalement différentes.

C'est le point de départ de toute mesure sérieuse. Un titre de poste est une étiquette administrative, pas une description de ce que tu fais vraiment. Le premier réflexe des études sérieuses, c'est donc de jeter l'étiquette et d'aller voir le contenu.

Découper un métier en tâches : la brique de base

Pour mesurer l'exposition, il faut d'abord décrire le métier comme une liste de tâches. Ce travail a déjà été fait, et bien fait, par le ministère du Travail américain : c'est la base O*NET (Occupational Information Network), qui découpe environ un millier de métiers en milliers de tâches précises, mises à jour en continu.

Pourquoi c'est important ? Parce que des métiers très différents partagent des tâches. La reconnaissance visuelle de formes, par exemple, est une tâche que font le graphiste, le radiologue, l'agent de contrôle en aéroport et le photographe. Si tu mesures par métier, tu rates cette ressemblance. Si tu mesures par tâche, tu la vois — et tu comprends pourquoi une technologie nouvelle touche des professions que rien ne semblait relier.

O*NET est devenu le référentiel commun de presque toutes les études récentes. Anthropic et Microsoft, les deux mesures les plus solides du moment, l'utilisent toutes les deux. Ce n'est pas un hasard : c'est la seule façon de comparer l'exposition d'un métier à un autre sans repartir de zéro.

Ce que mesure l'Anthropic Economic Index, concrètement

L'Anthropic Economic Index est la méthode la plus innovante des deux ans qui viennent de passer. Elle est présentée dans un article publié en février 2025 par les chercheurs d'Anthropic, sous le titre Which Economic Tasks are Performed with AI?, à partir de plusieurs millions de conversations Claude analysées par un outil interne baptisé Clio.

Le principe tient en une phrase : plutôt que de supposer quelles tâches l'IA peut faire, ils regardent quelles tâches les gens lui confient déjà. Chaque conversation est rattachée à une tâche O*NET, puis à un métier. On obtient alors non pas un potentiel théorique, mais une mesure d'usage réel.

Ce que ça donne, en chiffres : 36 % des métiers utilisent l'IA pour au moins un quart de leurs tâches. Mais seuls 4 % des métiers l'utilisent pour les trois quarts ou plus. Autrement dit, l'IA n'est pas en train de « remplacer » des métiers entiers : elle s'insère dans une partie de leurs tâches, de façon très inégale. L'usage se concentre massivement dans le développement logiciel et l'écriture, qui représentent à eux deux près de la moitié de l'ensemble.

Et Microsoft, avec ses 200 000 conversations Copilot

Microsoft Research a publié une étude complémentaire, Working with AI: Measuring the Applicability of Generative AI, fondée sur 200 000 conversations anonymisées avec Bing Copilot, collectées entre janvier et septembre 2024.

La méthode est proche : mapper les tâches de la base O*NET vers ce que les utilisateurs demandent réellement à Copilot, pour en tirer un score d'applicabilité par métier. La nuance est dans le mot. « Applicabilité » ne veut pas dire « remplacement » : ça mesure à quel point l'IA est utile pour les tâches d'un métier donné. Les auteurs prennent d'ailleurs soin de préciser que leurs données ne suggèrent pas des suppressions d'emplois.

Le résultat va dans le même sens que celui d'Anthropic : l'IA s'applique très bien au traitement d'information standardisée, très mal aux tâches manuelles, au soin direct et à tout ce qui exige une présence physique. Ce qui distingue un métier exposé d'un métier protégé, ce n'est pas son prestige ni son salaire — c'est la part de ses tâches qui ressemblent à du traitement d'information.

Augmentation ou automatisation : pourquoi le 57/43 change tout

L'Anthropic Economic Index apporte une distinction que presque aucune autre étude ne fait, et elle est décisive. Sur les tâches où l'IA est utilisée, 57 % correspondent à une augmentation de l'humain — on apprend, on itère, on affine un résultat avec l'IA. Et 43 % correspondent à une automatisation — l'IA exécute la tâche avec une implication humaine minimale.

La différence n'est pas cosmétique. Si l'IA t'augmente, elle te rend plus productif et plus difficile à remplacer. Si elle t'automatise, elle remplace la tâche. Le même outil, selon la tâche, produit l'un ou l'autre. C'est encore une raison de raisonner en tâches : une partie de ta semaine peut basculer vers l'automatisation pendant que l'autre devient de plus en plus valorisée.

Comment calculer l'exposition de ton propre poste

Tu peux appliquer cette méthode à ton poste sans attendre une étude nationale. La démarche est simple, et c'est exactement celle que j'utilise depuis des années en entreprise pour savoir quoi automatiser en premier.

Liste tes tâches récurrentes sur une semaine type. Sépare celles qui consistent à traiter de l'information numérique répétitive — rédaction, synthèse, saisie, reporting, tri de mails, préparation de supports — de celles qui exigent de la présence, de l'arbitrage, de la responsabilité ou de la relation. C'est cette répartition qui détermine ton exposition réelle, pas ton titre, pas ton secteur, pas les listes de métiers menacés.

Un pourcentage national ne s'applique à personne en particulier. La seule information qui compte à ton échelle, c'est la composition de tes propres semaines. Et ça, aucune étude ne peut le mesurer à ta place.

Questions fréquentes

Écrit par Amine Lounnas

AI business analyst depuis cinq ans dans des grands groupes du CAC 40 — banque, assurance, énergie. Certifié DPO et CIPP/E. Mon métier consiste à identifier quelles tâches une entreprise peut automatiser ; ce site retourne cette méthode vers les salariés.

Qui écrit ici, et comment →