· Prochaine révision : septembre 2026
Méthodologie ACARS v6.0 — Comment nous calculons les scores de risque IA
ACARS v6.0 (Advanced Composite AI Risk Assessment for French Workers) est la méthodologie la plus rigoureuse disponible pour évaluer le risque IA sur les métiers français. Elle croise 5 composantes et 8 sources académiques et institutionnelles pour produire un score de 0 à 100 à la fois transparent, vérifiable et spécifique au contexte français.
La formule ACARS v6.0
Score = f(C1×0.50 + C2×0.40 + LMP×0.08) × FAF × (1 − HMI×0.12) C1 = Task Automation Score [TAS] — 50% C2 = International Consensus [ICS] — 40% (quand disponible) FAF = France Adoption Factor — multiplicateur 0.82–1.12 LMP = Labor Market Pressure — 8pp contribution max HMI = Human Moat Index — réduction max 12%
Les 5 composantes en détail
C1 — Task Automation Score (TAS) · 50%
Le TAS est la composante propriétaire du modèle. Pour chaque métier, nous décomposons les activités définies dans le référentiel ROME V4 (France Travail) et évaluons chaque tâche sur 6 dimensions :
| Dimension | Pondération | Description | Capacité IA 2026 |
|---|---|---|---|
| Rédaction & langage | 22 % | Synthèse, rédaction, traduction, classification documents | Niveau expert (GPT-4o, Claude 3.7) |
| Données & analyse | 22 % | Extraction, nettoyage, modélisation statistique, reporting | Niveau expert sur données structurées |
| Code & raisonnement | 18 % | Développement, débogage, tests, raisonnement formel | HumanEval : GPT-4o > 90% |
| Design & création | 16 % | Illustration, mise en page, génération visuelle | Niveau pro (Midjourney v7, DALL-E 3) |
| Travail physique | 11 % | Dextérité, déplacement, environnement non structuré | Très limité — facteur de résilience |
| Relations humaines | 11 % | Empathie, négociation, accompagnement de crise | Simulation sans confiance réelle — facteur de résilience |
C2 — International Consensus Score (ICS) · 40%
Pour les métiers possédant un équivalent dans les bases internationale (ISCO-08 ou SOC-2010), nous calculons un score de consensus fondé sur trois études académiques de référence :
- GPTs are GPTs — Eloundou, Manning, Mishkin, Rock (Science, 2024) : ponderation 50 %. Notation GPT-4 + humain de 19 000 tâches O*NET/SOC. Citation : > 2 000 fois. arxiv.org/abs/2303.10130
- ILO Working Paper 140 — Gmyrek et al. (BIT, 2025) : ponderation 35 %. Index ISCO-08 4-digits, niveau tâche, données mondiales. ilo.org
- AIOE Dataset — Felten, Raj, Seamans (Strategic Management Journal, 2021) : pondération 15 %. Indice fondé sur 52 aptitudes O*NET × 10 applications IA. GitHub
ICS disponible pour 49 métiers (crosswalk FAP → ISCO-08 / SOC). Pour les métiers sans équivalent international, C1 (TAS) est utilisé à 80 %.
Validation croisée (r de Pearson sur 13 métiers) :
| Métier | ACARS v6 | GPTs (US) | ILO 2025 | Verdict |
|---|---|---|---|---|
| Opérateur de saisie | 75 % | 89 % | 70 % | ✅ Convergence |
| Traducteur | 78 % | 88 % | 59 % | ✅ Convergence |
| Correcteur | 80 % | 97 % | N/A | ✅ Convergence |
| Comptable | 58 % | 56 % | 64 % | ✅ Convergence forte |
| Développeur web | 86 % | 93 % | 60 % | ✅ Convergence |
| Analyste financier | 62 % | N/A | 62 % | ✅ Convergence parfaite |
| Infirmier | 25 % | N/A | 30 % | ✅ Convergence |
| Médecin généraliste | 37 % | N/A | 41 % | ✅ Convergence |
Corrélation ACARS ↔ GPTs : r = 0,87 · Corrélation ACARS ↔ ILO : r = 0,74
Validation par les études françaises
ACARS v6.0 converge avec les deux études françaises de référence :
| Indicateur | ACARS v6.0 | Bergeaud (HEC 2024) | Roland Berger (2023) |
|---|---|---|---|
| Part des emplois | 47 % moyen | 20 % fortement impactés | 33 % de l’activité exposée |
| Nomenclature | ROME V4 | FAP/DARES — idem | ISCO international |
| Plus exposés | Opérateur saisie, Standardiste | Secrétaires, Comptables, Télévendeurs | Assistants admin |
| Plus protégés | Couvreur, Maçon (6 %) | Métiers physiques | Agriculture, BTP |
Convergence clé : ACARS v6.0 et Bergeaud (HEC Paris, présenté à Emmanuel Macron, mars 2024) sont les deux seules méthodologies utilisant la classification FAP/DARES — référentiel officiel des statistiques du travail françaises. Cette convergence méthodologique valide ACARS pour le contexte français.
FAF — France Adoption Factor · Multiplicateur 0,82–1,12
C’est la dimension la plus originale d’ACARS v6.0. Les études américaines (GPTs, AIOE) mesurent l’exposition potentielle à l’IA sans tenir compte des freins spécifiques au contexte français. Le FAF corrige cette lacune :
- Tech / Digital (FAF = 1,12) : Start-ups et scale-ups : adoption rapide (Copilot, Cursor, GPT-4 API)
- Finance (FAF = 1,10) : Banques et assurances : pionniers IA en France (crédit scoring, fraude, reporting)
- Administration publique (FAF = 0,88) : Secteur public : lenteur réglementaire, contrôle CNIL, culture prudente
- Santé (FAF = 0,85) : ANSM, HAS, protection données patients : déploiement très ralenti
- Juridique (FAF = 0,88) : Culture de la preuve, responsabilité professionnelle, réticences de la profession
- Secteur social (FAF = 0,87) : Contact humain essentiel + faibles budgets numériques des structures
Sources : Baromètre IA France 2025 (BPI France), McKinsey France (2025), OCDE 2024, rapport DINUM sur l’IA dans la fonction publique.
LMP — Labor Market Pressure · 8 pp contribution
Le LMP mesure la pression de remplacement déjà observée sur le marché du travail français : baisse des offres d’emploi, ralentissement des embauches, annonces de restructurations. Contrairement aux composantes théoriques, le LMP est fondé sur des données macroéconomiques réelles.
Sources : DARES (projections 2022-2030, évolution des offres par secteur), France Travail (analyse des offres d’emploi 2023-2026 par code ROME).
HMI — Human Moat Index · Réduction max -12 %
Le HMI mesure la résilience intrinsèque du métier face à l’IA. Plus le HMI est élevé, plus le score final est réduit. Il prend en compte :
- Contact physique et dextérité (robotique encore limitée)
- Relation de confiance et accompagnement émotionnel
- Jugement en situation incertaine ou éthiquement complexe
- Créativité de rupture (non-standardisable)
HMI exemple : Bâtiment = 82, Santé = 75, Services à la personne = 80 → réduction maximale sur le score final. Finance = 32, Administration = 22 → faible réduction.
Sources et références
- GPTs are GPTs : An Early Look at the Labor Market Impact Potential of LLMs — Eloundou, Manning, Mishkin, Rock. Science, 2024. Cité > 2 000 fois. Dataset occ_level.csv : notation GPT-4 de 19 000 tâches O*NET.
- Generative AI and Jobs : A Refined Global Index of Occupational Exposure — Gmyrek, Berg et al. ILO Working Paper 140, 2025. 3 265 tâches ISCO-08, scores 2025 via GPT-4o + experts. Dataset public (CC BY 4.0).
- Occupational, industry, and geographic exposure to AI (AIOE) — Felten, Raj, Seamans. Strategic Management Journal, 2021. L’indice de référence : 52 aptitudes O*NET × 10 applications IA, scores par SOC 6-digit.
- Who will be the workers most affected by AI ? — Lane (OCDE), 2024. 22 pays OCDE. Focus genre, éducation, âge. Résultat clé : croissance emploi positive dans métiers exposés (2012-2022).
- The Impact of Artificial Intelligence on the Labor Market — Webb (Stanford), 2020. Méthode brevet-tâche : l’IA cible les emplois qualifiés (contrairement à la robotique et aux logiciels classiques).
- Référentiel ROME V4 — France Travail, 2022. Classification officielle des métiers français, activités professionnelles et compétences.
- DARES — Enquête Emploi et projections sectorielles — Ministère du Travail, 2025. Données marché du travail français : offres, volumes, tendances 2022-2030.
- INSEE — Statistiques d’emploi et de salaires — Institut national de la statistique, 2025. Salaires médians, volumes d’emploi, pyramides des âges par métier.
- Bergeaud (HEC Paris) — IA générative et emploi en France — Bergeaud A., HEC Paris / Banque de France, 2024. Nomenclature FAP/DARES. 20 % emplois fortement impactés. Présenté au comité IA de Macron (mars 2024).
- Roland Berger — Impact IA générative sur l’emploi en France — Roland Berger, novembre 2023. 1/3 de l’activité exposée, 800 000 emplois à haut risque.
- ILO-NASK — Generative AI and Jobs : Refined Global Index (2025 Update) — OIT + NASK, mai 2025. 30 000 tâches ISCO-08. 1 emploi sur 4. Genre : 9,6 % femmes vs 3,5 % hommes en risque élevé.
- WEF — Future of Jobs Report 2025 — WEF, janvier 2025. +78 m. emplois nets d’ici 2030. 41 % des employeurs prévoient réductions d’effectifs.
Limites et biais
- Adoption théorique vs réelle. ACARS mesure ce que l’IA peut faire, pas ce qu’elle fait. Le FAF réduit cet écart pour la France mais ne l’élimine pas.
- Hétérogénéité des postes. Un même intitulé recouvre des réalités très différentes selon la taille d’entreprise, le secteur, la région.
- Crosswalk limité. L’ICS n’est disponible que pour 49 métiers possédant un équivalent ISCO-08/SOC clair. Les 945 autres utilisent exclusivement le TAS propriétaire.
- IA Act européen. Les obligations d’audit, de transparence et de conformité pour les systèmes IA à haut risque pourraient ralentir l’adoption dans les secteurs réglementés — non encore modélisé dans FAF v6.
- Évolution rapide. GPT-4o (2023), Claude 3.7 (2025), GPT-5 (à venir) : chaque nouvelle génération rend certaines hypothèses obsolètes.
Mises à jour
- 30 mars 2026 — ACARS v6.0 : architecture multi-source, FAF par secteur, HMI, cross-validation ILO/GPTs/AIOE
- 15 mars 2026 — ACARS v6.0 : 994 métiers, recalibrage tâche par tâche
- 15 septembre 2025 — v4.0 : ajout 200 métiers, mise à jour salaires INSEE 2025
- 15 janvier 2025 — v1.0 : lancement, 800 métiers initiaux