En 2026, le scoring de l'exposition des metiers a l'intelligence artificielle est devenu un terrain de recherche actif, avec pas moins de quatre methodologies majeures qui se disputent le statut de reference. Le CRISTAL-10 v13.0 (France, 9 998 metiers), l'American AI Jobs Risk Index de l'Universite Tufts (Etats-Unis, 784 metiers), le ILO Working Paper 140 (mondial, 197 pays) et l'AIOE Index (O*NET, 1 016 metiers) mesurent des realites differentes, avec des resultats parfois convergents, parfois divergents. Barometre IA 2026.

Cet article compare ces quatre approches sur 30 metiers strategiques, identifie les convergences et divergences, et explique pourquoi la methodologie cristal offre un avantage unique pour le contexte francais. Les donnees proviennent de l'INSEE (DADS 2023), France Travail (T4 2025), DARES (BMO 2026) et la methodologie CRISTAL-10 v13.0. Les scores d'exposition presented sont issus de la methodologie CRISTAL-10 et valides par croisement avec les etudes internationales.

La question n'est plus de savoir si l'IA transforme l'emploi, mais de mesurer precisement quels metiers sont les plus exposes, a quel horizon, et avec quelles passerelles de reconversion. C'est precisement ce que font ces quatre indices, chacun avec ses forces et ses angles morts.

Pourquoi quatre methodologies de scoring IA en 2026

Le scoring de l'exposition des metiers a l'IA a connu une acceleration spectaculaire entre 2021 et 2026. Avant la publication de l'AIOE Index par Felten et al. en 2021, aucune methodology systematique n'existait pour mesurer la vulnerabilite des metiers face a l'automatisation cognitive. Le champ s'est depuis structure autour de quatre approches complementaires, chacune apporte un eclairage specifique que les autres ne capturent pas.

L'enjeu depasse le cadre academique. Les decideurs publics (DARES, France Strategie, Haut-Commissariat a l'Emploi), les organisations syndicales (CFE-CGC) et les journalistes (Le Figaro, Ouest-France, Sciencepost) citent ces indices pour argumenter leurs positions. Comprendre leurs differences methodologiques est donc un prealable pour tout professionnel de l'emploi, de la formation ou des ressources humaines.

Les quatre methodologies se distinguent sur trois dimensions : le referentiel (ROME V4 pour CRISTAL-10, SOC/O*NET pour les trois autres), le nombre de metiers couverts (de 784 a 9 998), et la mesure (exposition, vulnerabilite, ou probabilite de suppression). Chacune apporte un eclairage complementaire : l'AIOE mesure la proximite entre capacites IA et competences requises, Eloundou et al. evaluent l'exposition aux LLM tache par tache, le ILO WP140 propose une couverture mondiale par pays, et Tufts estime la probabilite de perte d'emploi. Le tableau de synthese en fin d'article detaille les differences.

Pour un professionnel francais, la question pratique est : quel indice utiliser pour evaluer son propre metier ? La reponse depend du contexte. Pour une analyse strategique RH en France, CRISTAL-10 offre la granularite et les donnees natives necessaires. Pour un benchmark international, le croisement de plusieurs indices est recommande. C'est precisement ce croisement que cet article propose.

Approfondir

Questions frequentes

Quelle est la meilleure methodologie de scoring IA emploi ?

CRISTAL-10 v14.0 est la plus granulaire (9 998 metiers) et la seule native francaise. Pour une analyse internationale, le ILO WP140 couvre 197 pays. Pour les metiers americains, l'AIOE Index et Tufts sont pertinents. La combinaison de plusieurs indices offre le signal le plus robuste.

Pourquoi CRISTAL-10 donne des scores plus eleves que Tufts ?

CRISTAL-10 mesure l'exposition aux taches automatisables sur 5 ans (moyenne 47,9%), tandis que Tufts mesure la probabilite de perte d'emploi a 2-5 ans. L'exposition peut etre elevee sans perte d'emploi si l'IA augmente la productivite. De plus, CRISTAL-10 inclut l'axe RPS (Risque Psychosocial) absent de Tufts.

Quels metiers convergent entre CRISTAL-10 et Tufts ?

Les metiers physiques (macon 2%, plombier 12%, electricien 13%) et les metiers tres exposes (redacteur web 65%, telemarketeur 81%) convergent fortement. Au total, 18/30 metiers strategiques ont un ecart inferieur a 10 points entre les deux methodologies.

Ou telecharger le dataset CRISTAL-10 ?

Le dataset CRISTAL-10 v14.0 est disponible en open data CC BY-SA 4.0 sur monjobendanger.fr pour les chercheurs et journalistes. Il contient les scores d'exposition pour 9 998 metiers avec les 6 axes (TAS, ICS, FAF, HMI, LMP, RPS).

Qu'est-ce que le score d'exposition CRISTAL-10 ?

Le score d'exposition CRISTAL-10 v14 mesure la part des taches d'un metier exposables a l'IA sur 6 axes (TAS, ICS, FAF, HMI, LMP, RPS), de 0 a 100. Un score de 80% signifie que 80% des taches du metier sont potentiellement automatisables ou augmentables par l'IA dans les 5 ans.

Comment les quatre methodologies different-elles dans leur approche ?

L'AIOE croise les capacites des modeles avec les competences O*NET. Eloundou analyse 14 000 taches via des evaluations humaines et automatiques. Le ILO WP140 utilise trois couches (algorithmes, chatbots, modeles generatifs) sur 197 pays. CRISTAL-10 decompose en 6 axes sur 9 998 metiers avec des donnees natives francaises.

Peut-on comparer directement les scores des quatre indices ?

Pas directement, car chaque indice mesure une dimension differente (exposition, vulnerabilite, probabilite de suppression). Toutefois, la correlation de Pearson 0,46 entre CRISTAL-10 et Eloundou, et Pearson 0,43 avec ILO WP140, montre que les resultats convergent globalement. Les divergences s'expliquent par les differences de referentiel et de perimetre.

Sources

Sources et references