Comment on mesure
Méthodologie & sources
Capturia n'invente aucune donnée. Notre rôle est d'agréger, de traduire et de contextualiser la recherche académique la plus récente sur l'impact de l'IA sur le marché du travail. Cette page expose à la fois la formule du score et l'intégralité des sources mobilisées.
Le score consolidé
L'exposition d'un métier à l'Intelligence Artificielle est un concept complexe que différentes équipes de recherche mesurent avec des méthodologies distinctes (analyse de tâches, observation d'usage, capacités théoriques).
Pour éviter les biais inhérents à une seule étude, notre algorithme consolide 7 sources regroupées en 3 familles méthodologiques (empirique, théorique, institutionnelle) — chacune affichée ci-dessous avec sa pondération exacte. Quand une source manque pour un métier, son poids est redistribué proportionnellement sur les sources présentes. Cliquez sur une étude pour accéder à sa fiche détaillée (résumé, auteurs, méthodologie).
La formule mathématique
──────────────────────────────────────────────
Σ (poids_méthode × poids_récence)
Note de transparence — valeurs interpolées : pour 4 métiers (codes SOC 31-1131 aide-soignant, 21-1029 service social, 41-3091 promotion des ventes, 25-4022 bibliothécaire/ documentaliste) le SOC O*NET retenu n'est pas un équivalent strict du métier français mais le proxy fonctionnel le plus proche dans la même famille professionnelle. Pour les militaires (ROME K1701 « Personnel polyvalent des armées » et K1702 « Direction de personnel militaire »), les SOC US 55-xxxx « Military Specific Occupations » étant volontairement retirés des publications académiques, nous utilisons en proxy fonctionnel les SOC voisins de la sécurité publique (33-3051 Patrol Officers et 33-1012 First-Line Supervisors of Police) — la chaîne de commandement et le profil tâches/discipline étant équivalents. Les fiches concernées affichent un badge « Valeur interpolée » au-dessus du score consolidé, avec un lien vers cette section. Toutes ces interpolations sont documentées dans les snapshots ouverts du dépôt Capturia (champ interpolated:truedans scripts/capturia/data/rome_soc_mapping.json).
Les 3 familles de sources et la redistribution proportionnelle
Capturia agrège 7 sources d'exposition à l'IA, regroupées en 3 familles méthodologiques dont la somme des poids vaut 1.00. Chaque fiche métier affiche un badge « sources & confiance » qui indique combien de ces sources ont effectivement contribué au score consolidé et leur répartition entre familles.
Mesure de l'usage réel de l'IA observé sur des millions d'interactions ou d'analyses de tâches : Anthropic Economic Index, Microsoft Working with AI, OpenAI/Chatterji.
Mesure de la capacité technique à automatiser les tâches, estimée par couplage benchmarks IA × référentiels O*NET : Felten 2021 (AIOE) et Eloundou 2023 (GPT-4).
Évaluation produite par des organismes publics ou internationaux à partir d'expertises sectorielles : rapports OCDE/ILO 2024 et France Stratégie 2024.
Redistribution proportionnelle. Quand une source n'est pas disponible pour un métier donné (par exemple un code ROME sans équivalent ISCO publié par l'OCDE), son poids est réparti pro rata sur les sources effectivement présentes. Les parts affichées dans le badge reflètent donc toujours la composition réelle du score consolidé pour ce métier — et somment à 100 %.
Score à confirmer. Lorsque moins de 4 sources sur 7 ont contribué au calcul, la fiche affiche un avertissement « score à confirmer » et le badge passe en fond ambré. Le score reste exposé pour transparence, mais doit être interprété avec prudence en attendant la mise à jour des études manquantes.
L'intervalle de confiance
La jauge affichée sur nos fiches métiers (pointillés gris) représente l'écart entre l'étude qui donne le score le plus bas et celle qui donne le score le plus haut pour un métier donné.
Un intervalle étroit (ex: 70 à 75) indique un fort consensus scientifique. Un intervalle large (ex: 30 à 80) indique que l'impact exact est encore débattu.
Au-delà du score : les données qui enrichissent les fiches
Un score d'exposition ne dit pas tout. Pour répondre aux vraies questions des étudiants — combien sommes-nous sur ce métier ? combien gagne-t-on ? recrute-t-on encore ? — nous croisons systématiquement plusieurs jeux de données publics, tous traçables et republiés sous licence ouverte.
Référentiels & nomenclatures
Le langage commun des métiers
Pour parler du même métier que France Travail, l'INSEE et les chercheurs internationaux, nous synchronisons les principales nomenclatures officielles.
France Travail
Le référentiel public des métiers en France (≈ 600 fiches). Décrit les activités, les compétences mobilisées et les environnements de travail.
DARES · INSEE · BIT
Tables de passage qui relient ROME, les 225 familles d'activités professionnelles (FAP), les PCS de l'INSEE et les nomenclatures internationales (SOC US, ISCO, O*NET).
Marché du travail
Combien sommes-nous, où recrute-t-on
Pour situer un métier dans la réalité économique française : volume d'actifs en poste, dynamique de recrutement et tensions sur les profils.
INSEE — Recensement
Nombre d'actifs en emploi par code PCS de l'INSEE, à partir du recensement de la population. Permet d'afficher la taille réelle de chaque métier.
France Travail
Enquête annuelle auprès des employeurs : projets de recrutement, métiers en tension et difficultés anticipées, déclinés par bassin d'emploi.
Rémunération
Combien gagne-t-on vraiment
Plutôt qu'une « fourchette de salaire » floue, nous publions des médianes et déciles issus des deux références françaises pour les cadres et l'ensemble des salariés.
APEC
Salaires fixes médians et déciles des cadres en poste, par fonction, niveau d'expérience et région.
INSEE
Salaire net médian, déciles et part des bas et hauts salaires par PCS, à partir des Déclarations Sociales Nominatives (base quasi-exhaustive).
Formations & orientation
Quelles études mènent à ce métier
Pour relier chaque métier à des formations concrètes (du CAP au bac+8) et afficher leur taux d'insertion réel, nous croisons les quatre référentiels publics français de l'orientation.
MESR — data.education.gouv.fr
Dataset annuel fr-esr-parcoursup : volumes de candidatures et taux d'accès par formation post-bac. Utilisé pour relier chaque métier à ses formations supérieures et alimenter le baromètre Parcoursup × IA.
Onisep
Catalogue Onisep des ~9 000 formations initiales du secondaire au supérieur, avec mapping ROME officiel. Source des fiches formation par niveau (CAP, Bac, BTS, Licence, Master, Doctorat).
France Compétences
Référentiel des diplômes et titres professionnels reconnus par l'État (codes RNCPxxxxx + niveaux européens NIV3 à NIV8). Utilisé pour valider l'intitulé exact et le niveau réglementaire de chaque formation.
DEPP · Ministère de l'Éducation nationale
Taux d'emploi à 6, 12 et 24 mois pour chaque diplôme de la voie professionnelle (CAP, BP, Bac pro, BTS, MC) en lycée pro et apprentissage, par établissement. Permet d'afficher l'insertion réelle plutôt qu'une promesse.
Le niveau de diplôme normalisé (CAP/BEP, Bac, Bac+2, Bac+3, Bac+5, Bac+8) attribué à chaque fiche métier — issu du croisement Onisep, RNCP et de la matrice éditoriale Capturia — est également exposé dans le baromètre Indice d'exposition à l'IA sous forme d'un classement « Exposition IA par niveau de diplôme ». L'agrégation est une moyenne simple par niveau (mêmes critères que les secteurs : seuil ≥ 3 métiers).
Toutes ces ingestions sont opérées par des scripts Python publics, horodatés et reproductibles. Chaque fiche métier indique sa date de dernière synchronisation.