Samuel Morin : Data analyst et ingénieur logiciel, Fondateur de Mon Job en Danger
La première plateforme française d’analyse de l’impact de l’IA sur 1 013 métiers
Notre mission
Mon Job en Danger est né d’un constat simple : en 2026, aucun outil français ne permettait à un salarié de comprendre précisément comment l’intelligence artificielle allait transformer son métier. Pas un score générique. Une analyse tâche par tâche, calibrée sur les réalités du marché français.
Aujourd’hui, la plateforme analyse 1 013 métiers du référentiel ROME V4, croise les données de l’INSEE, de la DARES, de France Travail et des benchmarks d’IA les plus récents pour produire des indicateurs exclusifs : score d’exposition, indice de productivité, coût IA vs salaire, projections 2026-2035.
Notre ambition : devenir la source de référence que consultent les salariés, les DRH, les journalistes et les décideurs publics pour comprendre l’impact réel de l’IA sur l’emploi en France.
Qui est Samuel Morin
Ingénieur logiciel et data analyst avec plus de 10 ans d’expérience dans la tech, la data science et le machine learning, Samuel Morin a travaillé sur des systèmes de traitement de données à grande échelle avant de se consacrer à l’analyse de l’impact de l’IA sur l’emploi.
Compétences techniques
- Data science et machine learning (Python, TensorFlow, scikit-learn)
- Développement full-stack (React, FastAPI, Node.js)
- Analyse statistique et modélisation économétrique
- Traitement du langage naturel et benchmarks LLM
C’est cette double compétence : technique et analytique : qui a permis la création du modèle CRISTAL-10 v2.0, un système de scoring unique qui décompose chaque métier en 6 dimensions d’automatisation et les compare aux capacités réelles des modèles d’IA actuels.
Profil LinkedIn de Samuel Morin
Le modèle CRISTAL-10 v14.0
CRISTAL-10 (Automated Capability Assessment & Risk Scoring) est le modèle propriétaire développé par Mon Job en Danger pour évaluer l’exposition de chaque métier à l’intelligence artificielle.
Contrairement aux études macro qui donnent un pourcentage global (« 30 % des emplois menacés »), CRISTAL-10 analyse chaque métier individuellement selon 6 dimensions :
- Traitement du langage : rédaction, synthèse, traduction, extraction d’information
- Analyse de données : tableaux, chiffres, détection d’anomalies, modélisation
- Logique et code : programmation, débogage, automatisation, raisonnement formel
- Création visuelle : génération d’images, design, mise en page
- Intelligence sociale et émotionnelle : empathie, négociation, leadership, soins
- Travail physique et manuel : dextérité, déplacement, travail sur site
Chaque dimension est calibrée sur les benchmarks réels des modèles d’IA (MMLU, HumanEval, GPQA, SWE-bench) et pondérée par la structure des tâches du métier. Le résultat : un score d’exposition entre 0 et 97 sur 100, accompagné de 40+ indicateurs économiques (coût IA, ROI, productivité, projections).
Lire la méthodologie complète →
Nos données et sources
Toutes nos analyses reposent sur des sources institutionnelles vérifiables :
- ROME V4 (France Travail) : référentiel officiel des métiers
- INSEE : salaires médians, emploi par catégorie socioprofessionnelle
- DARES : prospective emploi, tensions par métier
- France Travail BMO 2025 : besoins en main-d’œuvre par bassin d’emploi
- PCS 2020 (INSEE) : nomenclature des professions
- Benchmarks IA : Anthropic, OpenAI, Google (capacités réelles mesurées)
Nos données sont publiées sous licence CC BY-SA 4.0 et accessibles via API ouverte. Nous croyons que la transparence est la condition de la crédibilité.
Chiffres clés
- 1 013 métiers analysés
- 40+ indicateurs par métier
- 13 régions couvertes
- 40 secteurs professionnels
- 12 sources institutionnelles
- Licence CC BY-SA 4.0
Comment nous analysons chaque métier
- Cartographie des tâches : chaque métier est décomposé en activités concrètes à partir des fiches ROME V4.
- Évaluation IA : chaque tâche est évaluée par rapport aux benchmarks IA actuels.
- Pondération : les tâches sont pondérées selon leur importance réelle dans le quotidien du métier.
- Score multidimensionnel : 6 dimensions analysées : texte, données, code, visuel, physique, social.
- Validation croisée : confrontation aux études publiées, retours terrain et données sectorielles.
Méthodologie détaillée →
Ce que nous ne faisons pas
Nous ne prédisons pas l’avenir. Personne ne sait exactement à quoi ressemblera le marché du travail dans 10 ans. Nous analysons le présent et les tendances à court terme avec les meilleures données disponibles.
Nous ne vendons pas de formations. Pas de « formation IA à 997 euros » derrière nos analyses. Notre outil est gratuit.
Nous ne disons pas que l’IA va prendre votre emploi. Un score d’exposition élevé signifie que beaucoup de tâches du métier sont automatisables. Pas que le métier va disparaître. La plupart des emplois se transforment : et ceux qui comprennent cette transformation en sortent plus forts.
Questions fréquentes
- Qui est derrière Mon Job en Danger ?
- Mon Job en Danger est fondé par Samuel Morin, data analyst et ingénieur logiciel avec plus de 10 ans d’expérience en data science et machine learning. La méthodologie CRISTAL-10 v14.0 est publique et versionnée.
- Qu’est-ce que le modèle CRISTAL-10 v14.0 ?
- CRISTAL-10 (Automated Capability Assessment & Risk Scoring) analyse chaque métier selon 6 dimensions d’automatisation calibrées sur les benchmarks IA réels et produit un score d’exposition entre 0 et 97 sur 100.
- D’où viennent les données ?
- Sources institutionnelles : ROME V4 (France Travail), INSEE, DARES, BMO 2025, PCS 2020, et benchmarks IA (Anthropic, OpenAI, Google). Données publiées sous licence CC BY-SA 4.0.
- Comment contacter l’équipe ?
- Par email à contact@monjobendanger.fr. Réponse sous 48h. Pour la presse, consultez l’espace presse.