Microsoft Working with AI
10Poids 15%
Applicabilité de Copilot par occupation SOC (logs anonymisés).
ROME D1212CAP/BEPCommerceDonnées officielles
Vendeur·euse en magasin face à l'IA en 2026
Conseille, encaisse, met en rayon. Métier de présence, peu exposé directement à l'IA générative. La pression vient surtout du commerce en ligne et de l'automatisation des caisses.
Score Capturia
Exposition consolidée à l'IA
Mis à jour le 27 mai 2026
32
sur 100 · faible exposition
Intervalle : 14–50 · Évolution : +1 pts vs 2024
Concrètement
Métier peu exposé directement (32/100). La dimension physique, sensorielle ou relationnelle ne s'externalise pas vers l'IA, et la demande sociale reste forte.
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.
OCDE / ILO
41Poids 15%
Exposition à l'IA générative dans les pays OCDE (rapports 2023-2024).
France Stratégie
32Poids 10%
Note d'analyse 2024 sur l'IA et les métiers en France.
Felten et al. (AIOE)
54Poids 15%
AI Occupational Exposure — couplage benchmarks IA × O*NET.
Eloundou et al. (OpenAI)
28Poids 15%
GPT-4 — exposition labor des US occupations (O*NET).
Anthropic Economic Index
9Poids 20%
Usage réel de Claude observé (millions de conversations anonymisées).
OpenAI / Chatterji
70Poids 10%
Évaluation manuelle de l'exposition générative au niveau SOC.
Synthèse Capturia
Ce qui change concrètement
3 transformations à comprendre avant de t'engager.
- 01
Le métier de Vendeur·euse en magasin est peu exposé directement à l'IA générative : la dimension physique, sensorielle ou relationnelle ne s'externalise pas.
- 02
Quelques outils numériques d'aide (planning, documentation, gestion) marginalisent les tâches administratives sans changer le cœur du métier.
- 03
La demande sociale et démographique soutient durablement les besoins en recrutement — l'enjeu reste l'attractivité et les conditions de travail.
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
- Encaissement35%
- Inventaire36%
Tâches résilientes
Compétences humaines à cultiver
- Conseil personnalisé29%
- Expérience en magasin32%
Tâches O*NET 41-2031 Vendeur·euse en magasin, 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
- •Encaissement
- •Inventaire
Tâches renforcées
Augmentées par l'IA
- •Conseil personnalisé
- •Expérience en magasin
Compétences à construire
À développer dès maintenant
- •Conseil expert
- •Outils omnicanal
Chiffres officiels
Le métier en chiffres
Salaire, débouchés, recrutement en France.
Salaire médian junior
22k€ brut/an
Source : INSEE — POSTES ET SALAIRES (DSN), DISTRIBUTION PAR PCS DÉTAILLÉE
Salaire médian +5 ans
28k€ brut/an
Source : INSEE — POSTES ET SALAIRES (DSN), DISTRIBUTION PAR PCS DÉTAILLÉE
Effectifs en France
1,1 Mactifs
Source : INSEE / DARES — Emploi par Famille Professionnelle (FAP), enquête Emploi en continu 2024
Projets de recrutement 2025
198kintentions
45% jugés difficiles · BMO France Travail
Parcours de formation
Comment y accéder
Les formations qui mènent à ce métier, regroupées par niveau de diplôme.
CAP / BEP
CAP
CAP / BEP — Vente en habillement et accessoires
Formation initiale courte (2 ans) post-3ème dans le domaine « D Commerce Vente ». Première qualification reconnue ouvrant sur l'emploi ou la poursuite en bac pro.
Lycée professionnel public ou privé sous contrat
2 ansDurée
Pivots possibles
Si tu veux réduire ton exposition
3 métiers proches, moins exposés à l'IA.
⚡ Test 3 minutes
Le métier de vendeur·euse en magasin est-il fait pour toi ?
Faire le test gratuit →13 792 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 :
- Microsoft Working with AI — 15%, score brut 10/100
- OCDE / ILO — 15%, score brut 41/100
- France Stratégie — 10%, score brut 32/100
- Felten et al. (AIOE) — 15%, score brut 54/100
- Eloundou et al. (OpenAI) — 15%, score brut 28/100
- Anthropic Economic Index — 20%, score brut 9/100
- OpenAI / Chatterji — 10%, score brut 70/100
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 D1212 → PCS-ESE 552a — FAP R1Z · Vente en habillement et accessoires
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.