· Prochaine révision : septembre 2026
Méthodologie CRISTAL-10 v13.0 — Comment nous calculons les scores de risque IA
CRISTAL-10 v13.0 (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 CRISTAL-10 v13.0
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%
Résultats nationaux 2026 — 10000 métiers analysés
Appliqué au référentiel ROME V4 complet (10 003 métiers), CRISTAL-10 v13.0 produit les résultats suivants :
Répartition des métiers par niveau d’exposition
| Niveau | Seuil | Nb métiers | Part | Exemples |
|---|---|---|---|---|
| Critique | > 70 % | 7 | 0,5 % | Sténotypiste, Secrétaire administrative |
| Élevé | 50–70 % | 248 | 19,3 % | Développeur frontend, Analyste données |
| Modéré | 30–50 % | 388 | 30,1 % | Comptable, Conseiller juridique |
| Faible | < 30 % | 645 | 50,1 % | Infirmier, Maçon, Couvreur |
Source : CRISTAL-10 v13.0 appliqué aux 10000 métiers du référentiel ROME V4 - calcul mars 2026.
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/2303.10000+0
- 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 | CRISTAL-10 v13.0 | 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 CRISTAL-10 ↔ GPTs : r = 0,87 · Corrélation CRISTAL-10 ↔ ILO : r = 0,74
Validation par les études françaises
CRISTAL-10 v13.0 converge avec les deux études françaises de référence :
| Indicateur | CRISTAL-10 v13.0 | 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 : CRISTAL-10 v13.0 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 CRISTAL-10 pour le contexte français.
FAF — France Adoption Factor · Multiplicateur 0,82–1,12
C’est la dimension la plus originale d’CRISTAL-10 v13.0. 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.
Exposition par secteur — 24 familles de métiers
Le FAF (France Adoption Factor) varie fortement selon le secteur. Voici le score moyen CRISTAL-10 v13.0 pour chacun des 24 secteurs du référentiel ROME V4 :
| Secteur | Score moyen | N métiers | Niveau |
|---|---|---|---|
| Tech / Digital | 71.5 % | 144 | Critique |
| Finance / Comptabilité | 62.7 % | 43 | Élevé |
| Banque / Assurance | 60.7 % | 23 | Élevé |
| Relation client | 58.4 % | 9 | Élevé |
| Marketing / Communication | 57.8 % | 58 | Élevé |
| Médias / Communication | 56.3 % | 43 | Élevé |
| Conseil | 54.2 % | 24 | Élevé |
| Administration | 53.8 % | 24 | Élevé |
| Études / Recherche | 53.7 % | 19 | Élevé |
| Achats / Supply chain | 52.9 % | 17 | Élevé |
| Commerce / Vente | 52.6 % | 36 | Élevé |
| Ressources humaines | 51.8 % | 24 | Élevé |
| Immobilier | 48.5 % | 23 | Modéré |
| Juridique | 45.2 % | 25 | Modéré |
| Transport / Logistique | 39.7 % | 37 | Modéré |
| Environnement | 39.7 % | 31 | Modéré |
| Industrie | 39.0 % | 78 | Modéré |
| Services publics | 36.5 % | 43 | Modéré |
| Social / Éducation | 36.1 % | 51 | Modéré |
| Hôtellerie-Restauration | 32.0 % | 39 | Modéré |
| Santé | 31.5 % | 94 | Modéré |
| Bâtiment / Artisanat | 25.4 % | 56 | Faible |
| Services à la personne | 21.3 % | 28 | Faible |
| Agriculture | 20.0 % | 25 | Faible |
Le FAF amplifie Tech (1,12) et Finance (1,10), et réduit Santé (0,85) et Administration publique (0,88).
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.
Projections 2030 — l’accélération prévue
CRISTAL-10 v13.0 intègre une composante prospective à horizon 2030, tenant compte de la roadmap des modèles IA et du rythme d’adoption prévu par le WEF (41 % des employeurs prévoient des réductions d’effectifs d’ici 2030) :
Chaque page métier affiche le score 2030 projeté, le scénario Coface (optimiste / central / pessimiste / rupture) et l’indice de viabilité économique du remplacement IA.
Limites et biais
- Adoption théorique vs réelle. CRISTAL-10 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 — CRISTAL-10 v13.0 : architecture multi-source, FAF par secteur, HMI, cross-validation ILO/GPTs/AIOE
- 15 mars 2026 - CRISTAL-10 v13.0 : 10 000+ 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