Entre Professeur de Lycée (peu exposé) et Expert Data Science (fortement exposé), l'écart de résistance à l'IA est de 50 points selon le modèle CRISTAL-10.
Les principales différences : résistance IA (50 pts d'écart, Professeur de Lycée plus sûr).
Professeur de Lycée vs Expert Data Science - 7 critères CRISTAL-10
Analyse basée sur CRISTAL-10 v13.0 (formule GPT_beta × FAF × (1−HMI)), données INSEE/DARES/France Travail 2026.
| Critère | Professeur de Lycée | Expert Data Science |
|---|---|---|
| Risque IA (CRISTAL-10) | 79 % Exposition critique | 68 % Fortement exposé |
| Salaire brut/an | 42 600 € Net ~2 769 €/mois | 44 000 € Net ~2 860 €/mois |
| Survie 5 ans | 57 % | 63 % |
| MJED 2028 (estimé) | 88 % 2030 : 99 % | 76 % 2030 : 86 % |
| Human Moat (bouclier humain) | 45 /100 Irremplaçabilité humaine | 45 /100 Irremplaçabilité humaine |
| Prime IA potentielle | 27 % | 22 % |
| Heures libérées/sem | 9 h Temps récupéré grâce à l'IA | 8 h Temps récupéré grâce à l'IA |
▶ Voir les critères secondaires (résilience, friction reconversion, 2030…)
| Critère secondaire | Professeur de Lycée | Expert Data Science |
|---|---|---|
| Projection 2030 | 99 % | 86 % |
| Potentiel augmentation | 32 % | 27 % |
| Friction reconversion | 5 /10 Plus bas = plus facile | 5 /10 Plus bas = plus facile |
| Urgence reconversion | 8 /10 | 7 /10 |
| Résilience globale | 4 /10 | 4 /10 |
| Télétravail | 0 Sur site | 0 Sur site |
| Facilité reconversion | 50 /100 Plus haut = plus facile | 50 /100 Plus haut = plus facile |
| Augmentation IA | 36 % % tâches augmentables | 23 % % tâches augmentables |
Quel métier vous correspond ?
Le meilleur choix dépend de votre situation. Voici comment arbitrer selon votre profil :
Choisir Professeur de Lycée si :
- ✓ Augmenter ses revenus avec l'IA
Verdict : Adapt
Choisir Expert Data Science si :
- ✓ Objectif salaire plus élevé
Verdict : Adapt
Profil de compétences - 6 dimensions
Score /50 par dimension. ▓ = avantage. Source : CRISTAL-10 v13.0.
| Dimension | Professeur de Lycée | Expert Data Science |
|---|---|---|
| Langage / Texte | 65 | 40 |
| Données / Analyse | 46 | 30 |
| Code / Logique | 18 | 12 |
| Visuel / Créatif | 19 | 6 |
| Physique / Manuel | 25 | 30 |
| Social / Émotionnel | 52 | 40 |
Tâches automatisées vs préservées
Ce que l'IA va changer dans le quotidien de chaque métier d'ici 2026-2028.
Professeur de Lycée
⚠️ Tâches automatisées par l'IA
- Données en cours d'enrichissement
✨ Tâches préservées (human moat)
- Données en cours d'enrichissement
Expert Data Science
⚠️ Tâches automatisées par l'IA
- ⚠️ Nettoyage et préparation de datasets
- ⚠️ Génération de requêtes SQL complexes
- ⚠️ Création de visualisations standard
- ⚠️ Analyse descriptive automatisée
✨ Tâches préservées (human moat)
- ✨ Interprétation métier des résultats
- ✨ Choix des modèles et validation
- ✨ Gestion des biais et éthique des données
- ✨ Communication des insights aux décideurs
Questions fréquentes
Comparaisons proches
Données sources : CRISTAL-10 v13.0, ROME V4, INSEE, DARES 2026. Dernière mise à jour : 2026-04-11. Méthodologie CRISTAL-10.