Eloundou et al. (OpenAI)
68Poids 15%
GPT-4 — exposition labor des US occupations (O*NET).
ROME M1805Bac+5Support à l'entrepriseDonnées officielles
Ingénieur Machine Learning / IA face à l'IA en 2026
Conçoit, entraîne et déploie des modèles d'apprentissage automatique. Métier en forte croissance, paradoxalement moins automatisable car il s'agit du métier qui construit l'IA elle-même : l'automatisation y est partielle mais la demande explose.
Score Capturia
Exposition consolidée à l'IA
Mis à jour le 27 mai 2026
56
sur 100 · exposition modérée
Intervalle : 38–74 · Évolution : +6 pts vs 2024
Concrètement
Métier émergent porté par la diffusion de l'IA (56/100). La demande dépasse largement l'offre — rémunérations attractives mais exigences de formation élevées.
Sources & confiance7 / 7 sources mobilisées
Empirique 45%Théorique 30%Institutionnel 25%
Score consolidé à partir de 7 études sur 7, redistribuées proportionnellement entre les 3 familles méthodologiques. Comprendre les 3 familles
Études mobilisées : Anthropic Economic Index · Eloundou et al. (OpenAI) · Felten et al. (AIOE) · France Stratégie · OCDE / ILO · Microsoft Working with AI · OpenAI / Chatterji
Classifications officielles
Cross-référencer avec les nomenclatures publiques
Les codes officiels qui permettent de croiser cette fiche avec les données INSEE / DARES / France Travail / BLS.
Détail méthodologique
Que dit chaque source ?
Jusqu'à 7 sources empiriques, théoriques et institutionnelles convergent — avec des nuances.
Anthropic Economic Index
17Poids 20%
Usage réel de Claude observé (millions de conversations anonymisées).
Microsoft Working with AI
14Poids 15%
Applicabilité de Copilot par occupation SOC (logs anonymisés).
OpenAI / Chatterji
100Poids 10%
Évaluation manuelle de l'exposition générative au niveau SOC.
OCDE / ILO
62Poids 15%
Exposition à l'IA générative dans les pays OCDE (rapports 2023-2024).
Felten et al. (AIOE)
92Poids 15%
AI Occupational Exposure — couplage benchmarks IA × O*NET.
France Stratégie
76Poids 10%
Note d'analyse 2024 sur l'IA et les métiers en France.
Synthèse Capturia
Ce qui change concrètement
3 transformations à comprendre avant de t'engager.
- 01
Le métier de Ingénieur·e IA / ML est émergent : il se construit avec la diffusion massive de l'IA et la demande explose dans toutes les filières.
- 02
Les rémunérations dépassent largement les standards de leur famille de métiers — pénurie marquée de profils sur le marché français.
- 03
La trajectoire combine généralement une formation scientifique solide et une spécialisation continue (publications, projets ouverts, communautés).
Tâche par tâche
Décomposition par tâche
Ce que l'IA fait déjà — et ce qu'elle ne fait pas (encore).
Tâches à risque
Largement automatisables aujourd'hui
- Tuning d'hyperparamètres routinier60%
- Préparation de pipelines de données standards64%
Tâches résilientes
Compétences humaines à cultiver
- Définition de problèmes ML adaptés au métier20%
- Évaluation de biais et alignement23%
- Mise en production et MLOps26%
Tâches O*NET 15-2051 Ingénieur·e IA / ML, croisées avec l'Anthropic Economic Index 2026.
Lecture éditoriale
Le métier en pratique face à l'IA
Ce que l'IA bouscule, ce qu'elle renforce, et les compétences à travailler dès maintenant.
Tâches à risque
Bousculées par l'IA
- •Tuning d'hyperparamètres routinier
- •Préparation de pipelines de données standards
Tâches renforcées
Augmentées par l'IA
- •Définition de problèmes ML adaptés au métier
- •Évaluation de biais et alignement
- •Mise en production et MLOps
Compétences à construire
À développer dès maintenant
- •Mathématiques appliquées
- •MLOps
- •Éthique de l'IA
- •Vulgarisation
Chiffres officiels
Le métier en chiffres
Salaire, débouchés, recrutement en France.
Salaire médian junior
47k€ brut/an
Source : APEC — LES RÉMUNÉRATIONS DES CADRES DANS 111 FAMILLES DE MÉTIERS, ÉDITION 2025
Salaire médian +5 ans
72k€ brut/an
Source : APEC — LES RÉMUNÉRATIONS DES CADRES DANS 111 FAMILLES DE MÉTIERS, ÉDITION 2025
Effectifs en France
408kactifs
Source : INSEE / DARES — Emploi par Famille Professionnelle (FAP), enquête Emploi en continu 2024
Projets de recrutement 2025
68kintentions
78% jugés difficiles · BMO France Travail
Parcours de formation
Comment y accéder
Les formations qui mènent à ce métier, regroupées par niveau de diplôme.
Master / Bac+5
+5
Master Data Science
Statistiques, ML, ingénierie de données
INSA, Polytech, universités
Fiche RNCP39586 ↗2 ansDurée
+5
École d'ingénieur·e généraliste
Sciences, ingénierie, management
INSA, Centrale, ENSEA, ENSEEIHT
Fiche RNCP35567 ↗5 ansDurée
+5
Master — Études et développement informatique
Master universitaire ou diplôme d'école dans le domaine « M Support à l'entreprise ». Bac+5 visant l'expertise et l'encadrement.
Université ou grande école
Fiche RNCP35726 ↗2 ansDurée
Licence / BUT — Bac+3
+3
Licence professionnelle — Études et développement informatique
Licence pro spécialisée dans le domaine « M Support à l'entreprise ». Bac+3 en alternance dans la majorité des cas, débouché direct sur l'emploi.
Université française
Fiche RNCP35475 ↗3 ansDurée
Pivots possibles
Si tu veux réduire ton exposition
3 métiers proches, moins exposés à l'IA.
⚡ Test 3 minutes
Le métier de ingénieur machine learning / ia est-il fait pour toi ?
Faire le test gratuit →16 448 lycéens et étudiants l'ont déjà passé
Transparence méthodologique
Comment Capturia calcule ce score ?
🔬 Voir le détail du calcul pour ce métier.
Pondération des sources
Le score Capturia est une moyenne pondérée des sources retenues (jusqu'à 7). Les pondérations actuelles pour ce métier :
- Eloundou et al. (OpenAI) — 15%, score brut 68/100
- Anthropic Economic Index — 20%, score brut 17/100
- Microsoft Working with AI — 15%, score brut 14/100
- OpenAI / Chatterji — 10%, score brut 100/100
- OCDE / ILO — 15%, score brut 62/100
- Felten et al. (AIOE) — 15%, score brut 92/100
- France Stratégie — 10%, score brut 76/100
Pondération de récence
Les études les plus récentes sont sur-pondérées : étude moins de 12 mois ×2, entre 12 et 24 mois ×1, plus de 24 mois ×0,5. Les chiffres APEC/INSEE/BMO ne sont retenus qu'une fois par exercice annuel et la source la plus récente prime en cas de divergence (garde-fou APEC > INSEE).
Mapping nomenclature
- ROME M1805 → PCS-ESE 388a — FAP M2Z · Études et développement informatique
Limites de ce score
Le score mesure une exposition technique — la possibilité que les tâches soient automatisées ou augmentées par l'IA. Il ne préjuge pas de la vitesse réelle d'adoption, ni des choix d'entreprises ou des régulations à venir.
L'intervalle d'incertitude reflète la divergence entre les études : un intervalle large signifie que les chercheurs ne sont pas alignés sur ce métier précis.
Mise à jour des données
Dernière mise à jour de ce dossier : 27 mai 2026. Capturia recompose ses scores trimestriellement, et plus rapidement quand une étude majeure est publiée.