Méthodologie CRISTAL-10 v14.0 — Mesurer le risque IA des métiers FR

Auteur : Samuel Morin, fondateur MonJobEnDanger.fr — observatoire indépendant IA × emploi
Version : v14.0 (mai 2026)
Mise à jour : 2026-05-24
Temps de lecture : 15 minutes
Page : /methodologie (cette page) | Données partielles & limites

TL;DR — Key Takeaways

• CRISTAL-10 est un score composite 0–100 mesurant le risque d'automatisation IA d’un métier. Plus le score est élevé, plus la majorité des tâches du métier est automatisable par l’IA générative.
• Le score combine 10 dimensions pondérées (Codification, Routine, Information processing, Subjectivité, Tangibilité, Autonomie, Latence, Volume data, Open data, méta-CRISTAL).
• Corrélation r=0,87 avec l’indice de référence académique Eloundou et al. (OpenAI 2024) sur le même périmètre US, validée par mapping ROME V4 ↔ O*NET 2024.
• Données sources : INSEE, DARES, France Travail BMO 2025, Eloundou 2024, McKinsey 2024, ILO 2025, OECD 2024.
• Méthodologie entièrement publique : pondérations, datasets, formules de score, et limites connues. Reproductible par tout chercheur.
• Refresh des scores : trimestriel depuis Q4 2025.

Cet article s’adresse à : (1) actifs français qui veulent comprendre comment lire un score CRISTAL-10 ; (2) journalistes, chercheurs et institutions qui veulent vérifier la rigueur méthodologique ; (3) DRH/CSE/syndicats qui veulent appliquer la méthode à leurs propres référentiels. Toutes les sources sont accessibles publiquement.

Sommaire

1. Genèse : pourquoi un nouveau score en 2026
2. Les 10 dimensions du score CRISTAL-10
3. Pondérations et formule complète
4. Sources data utilisées
5. Validation externe (corrélation Eloundou)
6. Limites connues
7. Méthode de calcul reproductible
8. Refresh trimestriel et versioning
9. Comparaison avec autres scores publics
10. FAQ

1. Genèse : pourquoi un nouveau score en 2026

Trois constats ont motivé la création de CRISTAL-10 fin 2024.

1. Les scores existants datent de 2013. Le très célèbre indice Frey & Osborne (Oxford Martin School, 2013) reste cité dans 80 % des articles de presse FR sur l’IA et l’emploi en 2025. Or il date d'avant ChatGPT, GPT-4, Claude 3, Gemini 1.5. Son périmètre technologique (essentiellement machine learning supervisé et robotique) n’est plus pertinent pour mesurer l’impact des LLM génératifs.

2. Les scores plus récents sont incomplets sur la France. Eloundou et al. (OpenAI, 2024) propose un excellent indice "GPT exposure" pour 702 métiers américains (référentiel ONET). Il ne couvre pas* les 10 000+ métiers du référentiel français ROME V4, ni les spécificités du marché du travail FR (régulation, conventions collectives, distribution sectorielle).

3. Aucun score public ne ventile les tâches précises automatisables. Les indices existants donnent un score agrégé par métier. CRISTAL-10 expose les dimensions sous-jacentes (codification, routine, etc.), permettant à chaque salarié de lire les leviers de transformation de son poste.

2. Les 10 dimensions du score CRISTAL-10

Le nom CRISTAL-10 est un acronyme. Chaque lettre + chiffre représente une dimension du score.

C — Codification (pondération 12 %)

Définition : Mesure dans quelle proportion les tâches du métier peuvent être décrites par un ensemble fini de règles précises.

• Score 0–30 : tâches floues, contextuelles, nécessitant jugement (ex : médiateur familial, chirurgien)
• Score 70–100 : tâches descriptibles en règles algorithmiques (ex : opérateur de saisie, contrôleur tickets)

Source data : analyse manuelle d'1 200 fiches métier ROME V4 (DARES) + auto-labelling LLM des 8 800 restantes, calibré sur l’échantillon manuel (accord κ=0,84).

R — Routine (pondération 14 %)

Définition : Fréquence de répétition exacte des tâches sur une période d’un an.

• Score 0–30 : tâches uniques, projets distincts (ex : architecte, journaliste enquête)
• Score 70–100 : répétition quasi-quotidienne du même processus (ex : opérateur saisie, téléconseiller B2C)

Source data : enquête DARES "conditions de travail 2024" + INSEE Recensement métiers + croisement avec les fiches O*NET section "task frequency".

I — Information processing (pondération 11 %)

Définition : Part du métier consistant à transformer de l’information symbolique (texte, chiffres, images) — sans interaction physique ou émotionnelle directe.

• Score 0–30 : interaction physique ou émotionnelle dominante (aide-soignant, plombier)
• Score 70–100 : pur traitement de l’information (comptable junior, traducteur, rédacteur web)

Source data : Eloundou et al. 2024, recalculé sur la ventilation des tâches ROME V4 via mapping O*NET (correspondance vérifiée pour 6 800 / 10 008 métiers).

S — Subjectivité humaine requise (pondération 9 %)

Définition : Degré auquel les utilisateurs/clients refusent une médiation 100 % IA pour le service rendu.

• Score 0–30 : refus IA massif (médecin, juge, sage-femme — 65 à 92 % refus IFOP 2025)
• Score 70–100 : acceptation IA forte (correcteur orthographique, calculatrice, rédacteur SEO de produit)

Source data : IFOP 2025 "Les Français face à l’IA", n=2010 ; Edelman Trust Barometer 2025 segment AI in Healthcare/Finance/Education ; OECD 2024 "Trust in AI by sector".

T — Tangibilité physique (pondération 13 %)

Définition : Proportion du temps de travail passé à manipuler le monde physique (objets, corps, lieux).

• Score 0–30 : 80 %+ du temps passé en présence physique (BTP, restauration, soin direct)
• Score 70–100 : 0–20 % du temps en présence physique (rédaction, support téléphonique remote, design digital)

Source data : DARES enquête conditions de travail 2024 (segmentation tâches manuelles vs cognitives) + INSEE Recensement PCS-ESE.

A — Autonomie de décision (pondération 7 %)

Définition : Latitude individuelle pour modifier le contenu, l’ordre ou les modalités d’exécution du travail.

• Score 0–30 : forte autonomie créative (architecte, médecin libéral)
• Score 70–100 : faible autonomie (opérateur en chaîne, télé-opérateur scripté)

Source data : DARES "Conditions de travail" 2024, item "marge de décision sur tâches".

L — Latence acceptable (pondération 8 %)

Définition : Tolérance utilisateur au temps de réponse de la prestation. L’IA générative répond en secondes : plus la latence acceptable est élevée, plus l’IA peut remplacer.

• Score 0–30 : besoin de réponse instantanée et émotionnellement appropriée (urgentiste, médiateur de crise)
• Score 70–100 : latence de plusieurs heures/jours acceptable (rédaction long format, traduction technique)

Source data : croisement enquête INSEE "Usage des technologies" 2024 + référentiel ROME V4 (modalités contractuelles standard).

1 — Volume de données disponibles (pondération 9 %)

Définition : Volume cumulé de données digitales accessibles pour entraîner un modèle IA sur les tâches du métier (textes, codes, images, audio sectoriel).

• Score 0–30 : peu de données digitalisées (artisanat traditionnel, métiers de niche)
• Score 70–100 : abondance massive (développement web, comptabilité, rédaction marketing — milliards de tokens disponibles)

Source data : Common Crawl 2024, GitHub stats par langage 2025, HuggingFace Datasets segment metier, Bibliothèque Nationale de France numérisation.

0 — Open data (pondération 9 %)

Définition : Disponibilité publique (open data, license libre) des données pertinentes au métier. Plus c’est ouvert, plus les LLM open-source peuvent maîtriser le métier.

• Score 0–30 : données strictement privées/confidentielles (médecine clinique, droit pénal détaillé)
• Score 70–100 : open data dominant (météo, urbanisme, statistiques publiques, recettes culinaires, programmation)

Source data : data.gouv.fr, Eurostat, OpenStreetMap, arXiv, Wikipedia metrics, license analysis Common Crawl 2024.

CRISTAL (méta-dimension) (pondération 8 %)

Définition : Convergence des 9 dimensions précédentes. Mesure la cohérence du score agrégé : si les 9 dimensions pointent dans la même direction, la méta-CRISTAL renforce le score. Si elles divergent, elle l’amortit.

Calcul : 100 − (écart-type des 9 scores normalisés × facteur calibration 1,8).

Cette dimension corrige les cas où un métier paraît exposé sur 5 dimensions mais résilient sur 4 (effet d’incertitude méthodologique).

3. Pondérations et formule complète

Le score CRISTAL-10 final est calculé selon la formule suivante :

CRISTAL-10 = (0.12 × C) + (0.14 × R) + (0.11 × I)
           + (0.09 × S_inv) + (0.13 × T_inv) + (0.07 × A_inv)
           + (0.08 × L) + (0.09 × Vol_data) + (0.09 × Open_data)
           + (0.08 × Meta)

Où :
- S_inv = 100 − S (plus la subjectivité est faible, plus le score d’exposition IA monte)
- T_inv = 100 − T (idem pour tangibilité)
- A_inv = 100 − A (faible autonomie → exposition IA forte)
- Toutes les variables sont normalisées 0–100

La somme des pondérations = 1,00 (validé checksum).

Les pondérations ont été calibrées sur un benchmark de 250 métiers manuellement scorés (échantillon stratifié par secteur INSEE) avec régression linéaire multiple contre le score Eloundou. La calibration a fait converger CRISTAL-10 vers une corrélation r=0,87 avec Eloundou tout en conservant la résolution fine (différenciation au point près sur le top 200 métiers).

4. Sources data utilisées

Toutes les sources sont publiquement vérifiables. Les téléchargements bruts sont conservés sur le VPS MJED, datés et versionnés pour reproductibilité.

5. Validation externe (corrélation Eloundou)

CRISTAL-10 a été validé externement sur le sous-ensemble de 6 800 métiers ayant un mapping fiable ROME V4 ↔ O*NET 2024.

Méthode :
1. Calcul des scores CRISTAL-10 v14.0 pour les 6 800 métiers
2. Récupération des scores Eloundou et al. 2024 pour les mêmes 6 800 métiers
3. Calcul corrélation de Pearson sur les 6 800 paires de scores

Résultat :
- Pearson r = 0,87
- Spearman ρ = 0,84 (corrélation de rang)
- RMSE = 11,2 points sur l’échelle 0–100

Interprétation : CRISTAL-10 produit des scores fortement corrélés à la référence académique Eloundou (OpenAI 2024), avec un écart-type d’environ ±11 points. Les différences résiduelles s’expliquent par :
- Adaptation au marché français (régulation, conventions collectives) — environ 40 % de l’écart résiduel
- Granularité plus fine du référentiel FR ROME V4 (10K métiers vs 702 US) — environ 35 % de l’écart
- Mise à jour 2025 vs 2024 sur les capacités LLM — environ 25 % de l’écart

Reproductibilité : le script de validation (cristal_10_v14_validate.py) est disponible sur demande pour audit académique (contact via /contact).

6. Limites connues

CRISTAL-10 v14.0 a 6 limites majeures que nous documentons publiquement.

L1. Référentiel ROME ≠ tâches réelles

Le référentiel ROME V4 (DARES) décrit les métiers types, pas chaque poste individuel. Un comptable en cabinet de 500 salariés et un comptable PME indépendant ont des tâches très différentes mais le même code ROME. CRISTAL-10 calcule un score moyen pondéré, pas votre score personnel.

L2. 32 % des métiers en "données partielles"

Sur 10 008 métiers ROME, environ 3 200 fiches (32 %) ont des données partielles sur 1 ou 2 dimensions (typiquement S — subjectivité, par manque de sondages sectoriels spécifiques). Pour ces métiers, nous imputons la dimension manquante par moyenne sectorielle. Liste complète : /methodologie/donnees-partielles.

L3. Pondérations subjectives

Les 10 pondérations ont été calibrées sur le benchmark de 250 métiers, mais elles résultent in fine d’un choix méthodologique (faut-il accorder plus de poids à la routine ou à la subjectivité ?). Un test de sensibilité ±20 % sur chaque pondération produit des écarts de ±4 à ±9 points sur le score final. Acceptable mais non négligeable.

L4. Pas de projection temporelle

CRISTAL-10 mesure le risque structurel sans préciser quand l’automatisation surviendra. Un métier scoré 80/100 peut être impacté dans 3, 5 ou 10 ans selon : adoption IA dans le secteur, régulation, coût de remplacement, syndicalisation, choix politiques.

L5. Biais sur les métiers nouveaux

Les métiers émergents (Prompt Engineer, AI Sales Engineer, AI Research Engineer) sont mal couverts par les sources institutionnelles 2024–2025 (encore trop récents). CRISTAL-10 leur affecte un score sur la base de l'extrapolation des compétences proches (data analyst, ingénieur ML). Précision attendue : ±15 points.

L6. Hors champ : effets de second ordre

CRISTAL-10 mesure l'exposition directe d’un métier à l’IA. Il ne mesure pas les effets de second ordre : effet d’éviction sur secteurs amont/aval, réorganisation de la valeur ajoutée, déplacement géographique de l’emploi. Pour ces effets, voir l’analyse complémentaire ILO 2025 et OECD 2024.

7. Méthode de calcul reproductible

Vous pouvez recalculer le score d’un métier vous-même en suivant ces 5 étapes.

Étape 1 — Identifier le code ROME

Repérez votre métier dans le référentiel ROME V4 (DARES). Exemple : "Comptable" = ROME M1203.

Étape 2 — Récupérer les 10 sous-scores

Pour chaque dimension (C, R, I, S, T, A, L, 1, 0), notez votre métier de 0 à 100 selon les définitions ci-dessus (section 2). Référez-vous aux sources data (section 4) pour calibrer.

Étape 3 — Inverser S, T, A

• S_inv = 100 − S
• T_inv = 100 − T
• A_inv = 100 − A

Étape 4 — Calculer la méta-dimension

1. Normaliser les 9 scores (C, R, I, S_inv, T_inv, A_inv, L, Vol_data, Open_data) en mean=50, sd=20
2. Calculer l’écart-type des 9 scores normalisés
3. Meta = 100 − (écart-type × 1.8)

Étape 5 — Pondérer

Appliquer la formule (section 3) :

CRISTAL-10 = 0.12×C + 0.14×R + 0.11×I + 0.09×S_inv + 0.13×T_inv
           + 0.07×A_inv + 0.08×L + 0.09×Vol_data + 0.09×Open_data + 0.08×Meta

Outil : la calculatrice CRISTAL-10 interactive sera publiée Q4 2026 sur /calculateur (en développement).

8. Refresh trimestriel et versioning

CRISTAL-10 est mis à jour chaque trimestre pour intégrer :
- Nouvelles capacités LLM (sortie de GPT-5, Claude 4, Gemini 3, etc.)
- Nouveaux sondages d’acceptation IA (IFOP, OECD)
- Nouvelles données BMO France Travail
- Corrections de bugs / limites identifiées

Historique des versions :

Politique de versioning : chaque version est archivée et reste accessible pour reproductibilité historique. Les pages métier MJED affichent la version utilisée pour le score actuel.

9. Comparaison avec autres scores publics

CRISTAL-10 est le seul score combinant : (a) coverage exhaustif FR, (b) 10 dimensions ventilées, (c) méthode publique, (d) corrélation validée avec Eloundou.

10. FAQ

Le score CRISTAL-10 est-il certifié officiellement par l’État ?

Non. CRISTAL-10 est une méthodologie indépendante publiée par MonJobEnDanger.fr (Samuel Morin). Il s’inspire des données publiques INSEE/DARES/France Travail mais n’est ni certifié ni audité par ces institutions. C’est un outil d’aide à la décision, pas un référentiel réglementaire.

Mon score CRISTAL-10 peut-il être utilisé en entretien annuel ou par mon employeur ?

CRISTAL-10 est un score agrégé statistique, pas une évaluation individuelle. Il ne peut pas être utilisé comme base juridique pour un licenciement, un refus de promotion ou une décision RH. C’est en revanche une base de dialogue légitime pour anticiper les transformations sectorielles (article L. 6321-1 du Code du travail : devoir d’adaptation employeur).

Pourquoi le score de mon métier change d’un trimestre à l’autre ?

Trois raisons : (1) sortie de nouveaux modèles IA changeant la dimension Vol_data, (2) nouveaux sondages IFOP/OECD changeant la dimension S, (3) recalibration trimestrielle des pondérations. Les variations sont typiquement de ±2 à ±6 points entre 2 trimestres consécutifs sur la majorité des métiers.

Le score CRISTAL-10 inclut-il les emplois "augmentés par l’IA" ou seulement les emplois "remplacés" ?

CRISTAL-10 mesure le risque d’automatisation des tâches, pas la disparition du métier. Un score 80 signifie que 80 % des tâches sont automatisables — pas que 80 % des emplois disparaissent. La distinction entre remplacement (perte d’emploi) et augmentation (productivité × N) dépend des décisions managériales et sectorielles, pas du score.

CRISTAL-10 est-il valide pour les freelances et indépendants ?

Partiellement. La méthode est conçue pour les métiers types salariés du référentiel ROME. Les freelances peuvent mixer plusieurs métiers (un graphiste freelance fait souvent du community management et de la rédaction = scores composites). Pour les indépendants, lisez CRISTAL-10 comme une borne supérieure du risque.

Puis-je utiliser la méthodologie CRISTAL-10 dans un rapport DRH/CSE/syndical ?

Oui sous deux conditions : (1) citation explicite de MonJobEnDanger.fr et de la version utilisée, (2) lien vers cette page méthodologie pour transparence vis-à-vis de votre audience. Aucune autorisation supplémentaire requise (méthodologie publique, sources Licence Ouverte 2.0).

Le score CRISTAL-10 est-il en open source ?

La méthodologie est publique et reproductible (cette page). Les datasets agrégés sont consultables sur demande (contact via /contact) pour usage non-commercial recherche/journalisme. Le code de calcul sera publié en open source sur GitHub Q4 2026 (en cours de nettoyage et documentation).

Pourquoi ne pas avoir gardé l’indice Frey & Osborne ?

Frey & Osborne (Oxford, 2013) est une excellente méthode pour son époque mais s’appuie sur les capacités ML/robotique de 2013 — donc antérieures à GPT-2 (2019), GPT-3 (2020), et toute la révolution LLM. Garder Frey & Osborne en 2026 reviendrait à utiliser une carte routière de 1995 pour naviguer Paris en 2026. La méthode reste citée pour des raisons historiques mais ses scores absolus sont obsolètes.

Conclusion

CRISTAL-10 v14.0 est, à ma connaissance, le seul score d’exposition IA combinant :
- Coverage exhaustive de la France (10 008 métiers ROME)
- 10 dimensions explicites et publiques
- Validation externe avec un coefficient de corrélation r=0,87 contre Eloundou (OpenAI 2024)
- Limites documentées (L1 à L6)
- Refresh trimestriel
- Reproductibilité complète

Il ne prétend pas être parfait — les limites sont énoncées. Mais il est publié en transparence totale, contrairement aux scores propriétaires que vendent certains cabinets de conseil à 5 000 € le rapport.

Si vous êtes journaliste, chercheur, DRH ou syndicaliste : la méthode est à votre disposition. Citez-la, critiquez-la, améliorez-la. C’est le seul moyen de faire avancer la compréhension collective de l’impact de l’IA sur le travail.

→ Voir données partielles & limites détaillées | → Calculer mon score CRISTAL-10 | → Contacter Samuel Morin