L'intelligence artificielle n'est plus une hypothèse prospective. En 2026, elle s'est installée dans les processus de travail de millions de salariés français, transformant silencieusement les conditions d'exercice de centaines de métiers. Entre automatisation partielle des tâches répétitives, émergence de nouveaux rôles et accélération des reconversions professionnelles, le marché du travail français traverse une période de reconfiguration structurelle inédite depuis l'informatisation des années 1980.
Ce rapport annuel est la synthèse éditoriale de l'observatoire MonJobEnDanger.fr, fondé par Samuel Morin, qui couvre 10 001 métiers selon la méthodologie CRISTAL-10 v14.0. Il s'appuie sur les données publiques de France Travail (BMO 2025), de l'INSEE (nomenclature PCS 2020, salaires médians), de la DARES (Prospective métiers 2030), ainsi que sur les travaux académiques de référence : Eloundou et al. (2024) pour l'exposition des tâches aux LLM, et le rapport ILO Working Paper 140 (2025) pour les dynamiques mondiales du travail à l'ère de l'IA.
L'objectif de ce rapport n'est pas d'alimenter l'anxiété ni de minimiser les transformations en cours. Il est de fournir aux cadres, aux responsables RH, aux conseillers en évolution professionnelle et aux journalistes une lecture factuelle, méthodologiquement solide, des dynamiques à l'œuvre sur le marché du travail français en 2026.
Les données consolidées de l'observatoire pour l'année 2026 confirment une tendance que les travaux d'Eloundou et al. (2024) avaient anticipée : l'exposition à l'IA ne se distribue pas de manière uniforme selon les secteurs ou les niveaux de qualification. Elle suit une logique de contenu de tâches plutôt que de prestige socioprofessionnel.
Les métiers les plus exposés ne sont pas nécessairement les moins qualifiés. Certaines professions intellectuelles à forte composante analytique ou rédactionnelle figurent parmi les plus concernées par l'automatisation potentielle des tâches. À l'inverse, des métiers manuels de contact ou de soin humain direct s'avèrent structurellement protégés, non par manque de sophistication, mais par la nature irréductible de leur intervention.
Trois signaux majeurs ressortent de l'analyse 2026. Premièrement, la déployabilité effective des outils IA dans les PME françaises reste en retard sur le potentiel théorique, ce qui crée un décalage temporel que les travailleurs peuvent mettre à profit. Deuxièmement, les données BMO 2025 de France Travail confirment des tensions de recrutement persistantes dans les métiers à forte résilience humaine — soins, BTP, accompagnement social — indiquant une demande de travail soutenue. Troisièmement, les projections DARES pour 2030 signalent des créations nettes d'emplois dans les fonctions d'encadrement de systèmes IA, de formation et d'audit éthique, domaines quasi-inexistants il y a cinq ans.
Pour une analyse complète des scores d'exposition par métier, consultez les classements par catégorie et le panorama des métiers les plus exposés.
L'observatoire MonJobEnDanger.fr évalue chaque métier selon un modèle propriétaire structuré en cinq piliers pondérés, conçu pour dépasser les limites des approches purement théoriques ou des sondages d'opinion.
Le premier pilier, Exposition technique, représente 42 % du score global. Il mesure la proportion des tâches constitutives du métier qui correspondent à des capacités documentées des LLM, des systèmes de vision artificielle ou des outils d'automatisation des processus robotiques (RPA). Cette analyse s'appuie sur la décomposition tâche par tâche issue du référentiel ROME V4 et du thésaurus ESCO.
Le deuxième pilier, Déployabilité (18 %), intègre les contraintes réelles du tissu économique français : coût de déploiement, maturité des solutions disponibles, contraintes réglementaires sectorielles et taille des employeurs concernés. Un risque théoriquement élevé mais structurellement difficile à déployer dans les TPE/PME françaises reçoit un ajustement significatif.
Le troisième pilier, Réalité marché (15 %), s'ancre dans les données observées : offres d'emploi France Travail, données BMO 2025, indicateurs de tension de recrutement par bassin d'emploi. Il distingue ce qui se passe dans les marchés du travail concrets de ce que les modèles théoriques projettent.
Le quatrième pilier, Prospective 2030 (15 %), mobilise les trajectoires sectorielles publiées par la DARES dans ses travaux sur les métiers en 2030, en intégrant les scénarios d'adoption technologique dans les branches professionnelles.
Le cinquième pilier, Frictions protectrices (10 %), recense les éléments structurels qui ralentissent ou limitent l'automatisation : réglementation professionnelle, accréditations obligatoires, responsabilité civile et pénale non délégable, relations de confiance interpersonnelle irremplaçables, ou contraintes physiques spécifiques.
Pour la documentation complète du modèle, des coefficients et des sources primaires utilisées, consultez la page Méthodologie CRISTAL-10 v14.0.
Les dix familles professionnelles qui présentent les niveaux d'exposition les plus élevés selon CRISTAL-10 v14.0 partagent une caractéristique commune : une part importante de leurs tâches relève du traitement d'information structurée, de la rédaction normée ou de l'analyse documentaire. Ces activités correspondent précisément aux forces des LLM actuels, tels que documentés par Eloundou et al. (2024) dans leur analyse de l'exposition des tâches aux GPT.
Il est essentiel de souligner que une exposition élevée ne signifie pas disparition imminente. Elle signifie que les contours du métier vont évoluer, que certaines tâches vont être déléguées à des outils, et que les compétences différenciantes se déplaceront vers le jugement, la supervision et la relation. Consultez le panorama détaillé des métiers exposés pour les analyses individuelles.
À l'opposé du spectre, certaines familles professionnelles présentent une résilience structurelle élevée face à l'automatisation IA. Cette résilience ne repose pas sur l'ignorance technologique, mais sur des caractéristiques intrinsèques que les systèmes IA actuels ne peuvent reproduire : présence physique, engagement de responsabilité personnelle, adaptation contextuelle fine, ou confiance relationnelle construite dans la durée.
Les données BMO 2025 de France Travail confirment par ailleurs des tensions de recrutement durables dans la quasi-totalité de ces familles, ce qui en fait des trajectoires professionnelles à la fois résilientes à l'IA et demandées sur le marché.
Pour l'analyse complète par métier, consultez le panorama des métiers résistants à l'IA.
La question du salaire à l'ère de l'IA ne se réduit pas à une logique de remplacement. Les travaux de la DARES sur les métiers en 2030 mettent en évidence une bifurcation progressive : d'un côté, une compression des rémunérations sur les postes dont les tâches sont les plus automatisables, de l'autre, une valorisation accrue des compétences rares que l'IA amplifie sans les remplacer.
Les données de salaires médians INSEE (PCS 2020, mises à jour 2025) confirment que les métiers à forte composante relationnelle et à responsabilité engagée maintiennent des niveaux salariaux stables, voire en progression, indépendamment de la pression technologique. Les tensions de recrutement structurelles dans les secteurs du soin, du BTP et de l'accompagnement social soutiennent mécaniquement les rémunérations dans ces familles.
Pour les métiers à exposition élevée, les projections DARES 2030 signalent non pas une destruction uniforme des postes, mais une transformation du contenu des emplois : les tâches les plus routinières migrent vers des outils automatisés, tandis que les travailleurs qui restent se repositionnent sur des fonctions de supervision, de contrôle qualité et d'interface client à forte valeur ajoutée. Cette transition s'accompagne souvent d'une requalification salariale vers le haut pour ceux qui maîtrisent les outils IA, et d'une pression vers le bas pour ceux qui ne s'adaptent pas.
Le rapport ILO Working Paper 140 (2025) souligne que cette polarisation est plus prononcée dans les économies à marché du travail flexible, et relativement atténuée dans les contextes de forte protection réglementaire et de négociation collective — ce qui place le marché du travail français dans une position intermédiaire spécifique qu'il est nécessaire d'analyser dans son propre cadre institutionnel.
Face à l'accélération de l'exposition IA, la demande de reconversion professionnelle s'est intensifiée depuis 2023. Les données de mobilisation du Compte Personnel de Formation (CPF) reflètent un déplacement progressif de la demande vers des certifications liées à la maîtrise des outils numériques et à l'encadrement de projets de transformation digitale.
Les certifications RNCP enregistrent une croissance notable des inscriptions dans les domaines de la gestion de données, de la cybersécurité, du management de la transition numérique et des fonctions de formation professionnelle. Ces trajectoires de reconversion correspondent précisément aux besoins identifiés par les projections DARES 2030 : les entreprises françaises auront besoin de profils capables d'orchestrer des systèmes IA plutôt que d'exécuter les tâches que ces systèmes automatisent.
Pour les salariés issus de métiers à forte exposition, deux stratégies de reconversion ressortent des données comme particulièrement pertinentes. La première est la spécialisation par le haut dans son propre secteur : un comptable qui développe une expertise en audit de systèmes IA financiers ou en conformité algorithmique reste sur son terrain tout en repositionnant ses compétences différenciantes. La seconde est la réorientation vers les métiers en tension documentés par France Travail BMO 2025, notamment dans les secteurs du soin, de l'énergie et de la rénovation thermique des bâtiments.
Le blog de l'observatoire publie régulièrement des analyses sectorielles approfondies sur les trajectoires de reconversion les plus documentées.
La génération qui entre sur le marché du travail en 2026 est la première à avoir été formée dans un contexte où les outils d'IA générative sont disponibles depuis le début de sa scolarité supérieure. Cela crée une asymétrie paradoxale : une familiarité technique avec les outils, mais une incertitude accrue sur la valeur différenciante d'un diplôme dont les débouchés traditionnels sont partiellement transformés.
Les travaux d'Eloundou et al. (2024) sont particulièrement éclairants sur ce point : l'exposition aux LLM est plus élevée pour les tâches intellectuelles à forte composante textuelle, qui sont précisément celles que les cursus universitaires généralistes préparent à exercer. Un diplômé en communication, en droit ou en gestion qui entre sur le marché du travail en 2026 sans avoir développé de compétence distinctive dans l'utilisation avancée ou la supervision des outils IA se trouve dans une position concurrentielle fragilisée.
En revanche, les jeunes diplômés qui combinent une expertise métier solide avec une maîtrise opérationnelle des outils d'augmentation IA — prompt engineering avancé, audit de sorties, gestion de flux de travail hybrides humain-IA — développent un profil de compétences pour lequel la demande est documentée comme croissante par les projections DARES 2030. La clé n'est pas de choisir entre formation traditionnelle et compétences numériques, mais d'articuler les deux dans une trajectoire cohérente.
Pour les étudiants et jeunes actifs, le diagnostic interactif de l'observatoire permet d'évaluer l'exposition de leur domaine d'activité et d'identifier les leviers de différenciation disponibles dans leur trajectoire.
Les données et méthodologies complètes sont documentées sur la page Sources de l'observatoire. Les données de l'observatoire sont publiées sous licence CC BY-SA 4.0.
Testez votre propre exposition :