Quatre études académiques majeures mesurent aujourd’hui l’impact de l’IA sur l’emploi à l’échelle internationale. GPTs are GPTs (Eloundou et al., Science 2024), le Working Paper 140 de l’ILO (Gmyrek et al., 2025), l’AIOE de Felten, Raj et Seamans (2021), et l’étude OECD 2024 de Lane couvrent ensemble plus de 22 pays et 40 000 catégories d’emploi. Aucune n’est spécifiquement française. C’est là qu’ACARS intervient.
Pourquoi comparer ACARS aux études US et mondiales ?
ACARS (Automated Career Assessment and Risk Scoring) est l’indice de référence de MonJobEnDanger.fr. Il couvre 1 013 métiers sur la nomenclature ROME V4 de France Travail, score chaque métier sur 6 dimensions de tâches, et intègre des données salariales et d’effectifs issues de l’INSEE et de la DARES. Il est mis à jour deux fois par an.
Les études internationales utilisent des nomenclatures différentes. GPTs are GPTs et l’AIOE sont basés sur les codes SOC américains (Standard Occupational Classification). L’ILO utilise l’ISCO-08 (International Standard Classification of Occupations). L’OECD croise les deux. La comparaison nécessite une mise en correspondance méthodique des codes.
L’intérêt de la comparaison est double : valider ACARS sur les métiers où les données sont comparables, et identifier les spécificités françaises qui justifient des scores différents.
Les convergences fortes (ACARS confirme l’international)
Sur les métiers pour lesquels une mise en correspondance fiable est possible, ACARS et les études internationales convergent fortement. La corrélation ACARS ↔ GPTs are GPTs sur les métiers comparables atteint r ≈ 0,85. Le tableau ci-dessous présente les principales convergences :
| Métier | ACARS | GPTs are GPTs | ILO 2025 |
|---|---|---|---|
| Opérateur de saisie | 93% | 89% | 70% |
| Traducteur | 83% | 88% | 59% |
| Comptable | 56% | 56% | 64% |
| Analyste financier | 59% | N/A | 62% |
| Avocat | 61% | 58% | 55% |
| Infirmier | 22% | 19% | 21% |
La convergence sur les infirmiers (22% / 19% / 21%) illustre la solidité du modèle : les métiers à forte composante relationnelle et physique sont systématiquement classés résistants par toutes les études. La divergence sur le comptable (56% / 56% / 64%) est mineure et s’explique par la pondination différente des tâches de vérification.
Les divergences significatives (où la France se distingue)
Trois divergences notables méritent une analyse spécifique. La première concerne le correcteur/proofreader : ACARS le classe à 84%, GPTs are GPTs à 97,5%. Cette divergence s’explique partiellement par le fait que GPTs are GPTs a été publié après GPT-4o, un modèle capable de surpasser les humains sur des tâches de relecture structurée (GMAT Writing). ACARS v5.1 intègrera une correction à la hausse pour ce métier.
La deuxième divergence concerne le graphiste : ACARS 73% vs GPTs 50%. ACARS sur-estime parce qu’il n’intègre pas suffisamment le contexte sectoriel français : le secteur du luxe et de l’artisanat, qui représente 28% des graphistes français, exige une créativité culturellement située difficile à répliquer par génération IA.
La troisième concerne le développeur web : ACARS 78% vs GPTs 93%. L’écart reflète la différence d’adoption entre les start-up américaines (qui utilisent massivement les outils de génération de code) et les PME françaises (qui constituent 93% du tissu économique français et adoptent ces outils 2 à 3 ans après les grandes entreprises).
Spécificités françaises absentes des études US
Les études américaines ignorent quatre paramètres structurels du marché français. Le premier est la protection sociale et le droit du licenciement : en France, supprimer un poste coûte entre 12 et 24 mois de salaire en indemnés. Ce coût ralentit mécaniquement l’adoption de substitutions IA, même là où la technologie le permettrait.
Le deuxième est la taille du secteur public. En France, 30% des actifs sont employés dans la fonction publique, contre 15% aux États-Unis. Le secteur public est soumis à des réglementations strictes sur le traitement automatisé des décisions (loi du 6 janvier 1978, IA Act européen). L’adoption IA y est 3 à 5 fois plus lente que dans le privé.
Le troisième paramètre est l’IA Act européen, entré en application progressive en 2025-2026. Il impose des obligations de transparence, de contrôle humain et de conformité pour les systèmes IA à haut risque (RH, crédit, justice). Ces obligations augmentent les coûts d’intégration et retardent le déploiement dans plusieurs secteurs.
Le quatrième paramètre est la structure économique PME. 93% des entreprises françaises sont des PME de moins de 250 salariés. Ces structures ont des budgets IT limités (1,5 à 3% du CA en moyenne) et des ressources RH insuffisantes pour piloter des transformations numériques complexes. L’adoption IA y suit la courbe des grandes entreprises avec un retard de 2 à 4 ans.
Les métiers où la France est plus exposée qu’ailleurs
Deux secteurs présentent une exposition française supérieure aux moyennes internationales. La comptabilité et la paie d’abord : la complexité des conventions collectives françaises (plus de 800 branches professionnelles), des règles de paie et des déclarations sociales crée un volume de tâches répétitives à haute valeur ajoutée pour les LLM spécialisés. Silae, Sage et PayFit intègrent déjà des modules IA qui automatisent 40 à 60% des tâches de saisie et de vérification.
Les services administratifs ensuite : l’administration française produit 4 fois plus de documents réglementaires par entreprise que la moyenne des pays OCDE (source : OCDE 2023). Ce volume de papier est une cible évidente pour les systèmes de traitement documenté IA. Les LLM spécialisés dans l’analyse de documents juridiques et réglementaires (Doctrine, Harvey.ai) gagnent rapidement du terrain dans les études d’avocats et les services juridiques d’entreprise.
Conclusion : ACARS comme outil calibré pour la réalité française
La comparaison confirme qu’ACARS n’est pas un simple clone des études américaines. Sa corrélation élevée avec GPTs are GPTs (r ≈ 0,85 sur les métiers comparables) valide la solidité du modèle. Ses divergences sur le graphiste, le développeur web et le correcteur reflètent des réalités françaises que les études américaines ne peuvent pas capter.
ACARS intègre 6 dimensions de tâches sur la nomenclature ROME V4, des données salariales INSEE/DARES localisées, et un contexte réglementaire spécifiquement européen. Sa mise à jour semestrielle lui permet de suivre l’évolution de l’adoption IA en France, qui suit une courbe différente des États-Unis.
Pour comprendre comment vos tâches spécifiques sont évaluées, consultez la méthodologie ACARS complète. Pour votre score personnalisé, rendez-vous sur le diagnostic IA. Pour la liste des métiers les plus exposés, consultez notre classement complet.
Questions fréquentes
ACARS est-il plus fiable que les études américaines pour estimer mon risque en France ?
Pour les métiers présents dans les deux systèmes, ACARS offre une meilleure estimation pour la France grâce à l’intégration du contexte légal français (droit du licenciement, IA Act), de la structure économique PME et des données INSEE/DARES localisées. La corrélation r ≈ 0,85 avec GPTs are GPTs confirme la validité du modèle, tout en expliquant les 15% de divergence.
Pourquoi l’ILO donne des scores plus bas que ACARS sur certains métiers ?
L’ILO 2025 utilise une approche conservatrice : elle ne considère comme exposées que les tâches pour lesquelles l’IA dépasse démonstré les capacités humaines dans des conditions réelles. ACARS et GPTs are GPTs incluent les tâches potentiellement automatisables à horizon 3-5 ans. Cette différence de périmètre explique les écarts, notamment sur le traducteur (ILO 59% vs ACARS 83%).
ACARS prend-il en compte l’IA Act européen dans ses scores ?
ACARS v5.0 intègre un facteur de délai d’adoption spécifique aux secteurs réglementés par l’IA Act (recrutement, crédit, justice) et au secteur public français. Ce facteur réduit le score d’exposition immédiate dans ces secteurs tout en maintenant le score de vulnérabilité à moyen terme. La mise à jour v5.1 prévue mi-2026 affinera ces pondérations.