Comment on calcule tout ça ?
Les sources
On s'appuie sur des études académiques reconnues, pas sur du pif :
- Frey & Osborne (2013, Oxford) — L'étude fondatrice sur la probabilité d'automatisation de 702 métiers américains (SOC).
- ROME 4.0 (France Travail) — Le référentiel officiel français des métiers. On fait le pont via ISCO-08 (classification internationale).
- DARES — Données sur l'emploi et le chômage par département.
Le crosswalk SOC → ISCO → ROME
Les données de Frey & Osborne sont en codes SOC (américains). Pour les appliquer aux métiers français, on passe par un double pont :
- SOC (US) → ISCO-08 (international) via table de correspondance BLS/Eurostat
- ISCO-08 → ROME 4.0 (France) via correspondance France Travail
Chaque correspondance est notée : directe (1 pour 1), approximative (périmètre proche) ou dérivée (estimation). On pénalise les scores quand la correspondance est imparfaite.
Le modèle de scoring
La formule finale combine plusieurs signaux :
- S_ajusté — Score de base pondéré par les sources (FO 50%, OCDE 30%, Post 20%), ajusté par la répartition public/privé du secteur.
- S_tâches — Analyse fine des tâches du métier (quand disponible), sinon on utilise le score ajusté seul.
- Fourchette — Intervalle de confiance qui s'élargit quand la qualité du mapping est faible.
Les projections
On projette à 5, 10 et 15 ans avec une courbe en S (sigmoïde) :
- L'adoption de l'IA ne se fait pas du jour au lendemain — elle suit une courbe lente au début, rapide au milieu, puis plateau.
- Le point d'inflexion est calibré autour de 2027 (début de la vague GPT-like en entreprise).
- Les horizons 2031, 2036 et 2041 sont des estimations, pas des certitudes.
Limites et transparence
Aucun modèle ne prédit l'avenir avec certitude. L'étude de Frey & Osborne date de 2013 et certains métiers ont évolué depuis. Les fourchettes d'incertitude sont là pour ça : plus l'intervalle est large, plus on est prudent. On met à jour les données régulièrement à mesure que de nouvelles études sortent.