Une cartographie qui interroge le futur du travail
Une visualisation publiée récemment par Andrej Karpathy a provoqué un vif débat dans les milieux technologiques, économiques et académiques.
L’ancien chercheur fondateur d’OpenAI et ex-directeur de l’intelligence artificielle chez Tesla a développé un outil interactif permettant d’explorer 342 professions américaines à partir des données du Bureau of Labor Statistics. La cartographie couvre près de 143 millions d’emplois et attribue à chaque profession un niveau d’exposition à l’intelligence artificielle.
La conclusion paraît contre-intuitive. Les métiers les plus exposés ne sont pas nécessairement les moins qualifiés.
Développeurs, analystes financiers, juristes, consultants, comptables ou spécialistes du marketing figurent parmi les professions les plus concernées. Cette cartographie annonce-t-elle une vague de disparition des emplois intellectuels ? Ou révèle-t-elle une transformation beaucoup plus profonde de la création de valeur dans les entreprises ?
Pour répondre à cette question, on doit croiser trois niveaux d’analyse :
- le travail exploratoire d’Andrej Karpathy ;
- les recherches académiques récentes sur l’exposition professionnelle à l’IA ;
- les observations de terrain issues des 100 entrepreneurs interrogés dans le cadre du projet EntrepreneurIA.
Qui est Andrej Karpathy ?
Andrej Karpathy appartient à la génération de chercheurs qui ont contribué à l’essor du deep learning moderne. Formé à Stanford sous la direction de Fei-Fei Li, il s’est spécialisé dans la vision par ordinateur et les réseaux neuronaux profonds avant de rejoindre les premiers travaux d’OpenAI. Il dirigera ensuite les équipes d’intelligence artificielle de Tesla, notamment sur les systèmes de perception utilisés dans le programme Autopilot.
Aujourd’hui, Karpathy est également reconnu pour son travail pédagogique autour des grands modèles de langage et de l’intelligence artificielle générative. Sa cartographie du marché du travail doit néanmoins être interprétée avec prudence.
Le dépôt GitHub associé au projet précise explicitement que ce n’est pas un rapport économique ni d’une publication académique, mais d’un outil exploratoire destiné à visualiser les données du marché du travail américain.
Ce que mesure réellement la cartographie
Le score d’exposition proposé par Karpathy repose sur une logique simple.
Plus une activité peut être réalisée intégralement à travers un ordinateur à partir d’informations numériques, plus son exposition à l’IA augmente.
À l’inverse, les métiers nécessitant une présence physique, une interaction humaine complexe ou une intervention dans des environnements matériels imprévisibles présentent généralement une exposition plus faible.
Cette approche a le mérite d’être lisible. Mais elle ne mesure pas un risque de disparition. Elle mesure un potentiel de transformation.
Cette distinction est essentielle.
Ce que dit réellement la recherche académique
Depuis l’arrivée des grands modèles de langage, plusieurs équipes de recherche tentent de mesurer leur impact potentiel sur le travail.
L’étude devenue une référence, GPTs are GPTs, a été publiée par des chercheurs d’OpenAI, de l’Université de Pennsylvanie et du Princeton Laboratory for Artificial Intelligence.
Les auteurs estiment qu’environ 80 % de la population active américaine pourrait voir au moins 10 % de ses tâches affectées par les grands modèles de langage, sans pour autant conclure à une disparition automatique des emplois. Les auteurs invitent toutefois à la prudence. Leur travail ne constitue ni une prévision de suppressions d’emplois ni un scénario de remplacement des travailleurs. Il vise à mesurer dans quelle mesure certaines tâches pourraient être transformées par les grands modèles de langage au cours des prochaines années.
Cette nuance est fondamentale. Les travaux les plus récents convergent vers une lecture par les tâches plutôt que par les professions. L’intelligence artificielle ne remplace généralement pas un métier entier.
Elle modifie certaines activités qui composent ce métier. Un avocat continue d’exister. Mais une partie de la recherche documentaire juridique devient automatisable.
Un consultant reste nécessaire. Mais la collecte d’informations et certaines synthèses sont désormais accélérées.
Un développeur conserve un rôle central. Mais une partie du codage devient assistée.
Les travaux de l’OCDE vont dans le même sens. Son nouveau cadre d’évaluation de l’exposition professionnelle à l’IA repose sur la comparaison entre les capacités réelles de l’IA et les compétences requises par les professions. L’objectif est précisément d’éviter les lectures simplistes fondées uniquement sur la substituabilité théorique.
Les travailleurs qualifiés sont paradoxalement parmi les plus exposés
L’un des résultats les plus surprenants des études récentes concerne le niveau de qualification. Contrairement aux vagues précédentes d’automatisation, les professions les plus diplômées apparaissent souvent parmi les plus exposées.
Les chercheurs d’OpenAI observent notamment que les professions à hauts revenus présentent fréquemment des niveaux d’exposition plus élevés aux grands modèles de langage. Les analyses de l’OCDE montrent également que les métiers fortement numérisés peuvent connaître simultanément une forte exposition et une croissance de l’emploi.
Autrement dit, exposition ne signifie pas déclin. Elle peut aussi signifier augmentation de productivité et transformation accélérée.
Ce que révèlent les 100 entrepreneurs interrogés dans EntrepreneurIA
Les entretiens réalisés dans le cadre du projet EntrepreneurIA permettent d’observer ces transformations directement sur le terrain. Le premier constat est frappant.
Aucun entrepreneur interrogé ne décrit aujourd’hui une disparition massive des métiers. Tous évoquent en revanche une transformation rapide des tâches, des compétences et des modes de décision.
Les développeurs changent de rôle
Dans les entreprises technologiques, les assistants de génération de code sont désormais largement intégrés aux processus de développement. Ils permettent d’accélérer la production de code standardisé, d’automatiser certaines tâches répétitives et d’améliorer la productivité des équipes. Pourtant, les besoins en ingénieurs demeurent soutenus. Les compétences les plus recherchées évoluent progressivement vers l’architecture logicielle, la cybersécurité, la gouvernance des données, la supervision des modèles d’intelligence artificielle et l’intégration de systèmes complexes. Plus qu’une disparition du métier de développeur, les entrepreneurs observent un déplacement de la valeur. Celle-ci se situe de moins en moins dans l’écriture du code lui-même et de plus en plus dans la capacité à concevoir, orchestrer et sécuriser des environnements technologiques toujours plus sophistiqués.
Le conseil se transforme
Les professionnels du conseil utilisent désormais l’intelligence artificielle au quotidien pour accélérer la recherche documentaire, produire des synthèses, réaliser des analyses préliminaires ou préparer certains livrables. Cette automatisation permet de gagner un temps considérable sur les tâches à faible valeur ajoutée. Pour autant, les dirigeants continuent de rechercher ce que les modèles ne peuvent fournir seuls: l’expérience acquise sur le terrain, le discernement, la compréhension fine du contexte de l’entreprise, l’accompagnement humain et la capacité à gérer l’incertitude. À mesure que l’information devient plus accessible, sa valeur relative diminue. En revanche, la capacité à l’interpréter, à la contextualiser et à éclairer la décision devient un avantage de plus en plus stratégique.
Le marketing entre dans une nouvelle phase
Les entrepreneurs spécialisés dans le marketing et la communication décrivent probablement les transformations les plus visibles liées à l’intelligence artificielle. La création de contenu, la veille, l’analyse concurrentielle, la personnalisation des messages ou encore la segmentation des audiences connaissent une accélération spectaculaire. Toutefois, un phénomène plus subtil émerge. À mesure que les mêmes outils deviennent accessibles à tous les acteurs du marché, la capacité de production cesse d’être un véritable facteur de différenciation. L’avantage concurrentiel se déplace alors vers la stratégie, la vision, la créativité et la capacité à concevoir des expériences réellement distinctives.
La santé rappelle les limites de l’automatisation
Les professionnels de santé interrogés dans le cadre d’EntrepreneurIA observent des avancées significatives de l’intelligence artificielle dans l’analyse documentaire, la recherche clinique, l’aide au diagnostic et l’imagerie médicale. Pour autant, la relation thérapeutique demeure au cœur de leur pratique. L’écoute du patient, la confiance, l’empathie et l’accompagnement restent des dimensions profondément humaines que la technologie ne peut reproduire pleinement. Dans ce contexte, l’IA apparaît avant tout comme un outil d’augmentation des compétences du professionnel de santé, plutôt que comme un substitut à la relation entre le soignant et le patient.
Les cinq erreurs que commettent les dirigeants lorsqu’ils interprètent l’impact de l’IA
Erreur 1 : croire que l’IA remplace des métiers entiers
Les transformations observées concernent principalement des tâches spécifiques.
Erreur 2 : lancer des outils avant de cartographier les processus
L’enjeu n’est pas l’outil.
L’enjeu est l’identification des activités réellement créatrices de valeur.
Erreur 3 : considérer l’IA comme un projet informatique
Les transformations les plus profondes sont organisationnelles et managériales.
Erreur 4 : sous-estimer les compétences humaines
L’esprit critique, la créativité, le leadership et l’intelligence émotionnelle prennent davantage de valeur à mesure que l’IA progresse.
Erreur 5 : penser que tous les métiers sont exposés de la même manière
L’exposition dépend des tâches réelles exercées et non uniquement du titre du poste.
La matrice Yunova de maturité IA
L’analyse des témoignages recueillis dans EntrepreneurIA permet d’identifier quatre niveaux de maturité.
| Niveau | Caractéristique dominante | Risque principal |
| Observation | Veille et expérimentation | Sous-estimer la vitesse du changement |
| Assistance | Usage individuel de l’IA | Shadow AI |
| Augmentation | Intégration aux processus métier | Gouvernance insuffisante |
| Transformation | Refonte stratégique de l’organisation | Dépendance excessive aux modèles |
Les entreprises les plus avancées ne cherchent plus uniquement à automatiser certaines tâches. Elles repensent progressivement leur organisation autour de nouvelles complémentarités entre intelligence humaine et intelligence artificielle.
Une limite importante : les mesures d’exposition restent discutées
Une nouvelle génération de chercheurs appelle aujourd’hui à davantage de prudence.
Plusieurs travaux récents critiquent les mesures d’exposition fondées uniquement sur des évaluations produites par des modèles de langage. Selon ces chercheurs, les scores d’exposition devraient être régulièrement recalibrés à partir d’observations réelles d’adoption de l’IA dans les entreprises et non uniquement à partir de prédictions théoriques.
Cette critique est importante. Elle rappelle que l’impact réel de l’IA dépend autant des usages économiques, des contraintes réglementaires, des choix organisationnels et des facteurs humains que des capacités techniques elles-mêmes.
La nouvelle rareté économique
Pendant des décennies, la rareté reposait sur l’accès à l’information. Aujourd’hui, l’information devient abondante. L’intelligence artificielle réduit fortement le coût de production de nombreuses connaissances. La rareté se déplace.
Elle se concentre désormais sur des qualités profondément humaines : le jugement, la créativité, l’intelligence émotionnelle, le sens des responsabilités, la capacité à prendre des décisions dans l’incertitude et à inspirer la confiance. Cette évolution concerne aussi bien les PME que les grandes organisations.
Conclusion : la véritable leçon de Karpathy
La cartographie d’Andrej Karpathy ne constitue pas une prophétie sur la disparition des métiers. Elle agit davantage comme un révélateur. Les recherches académiques récentes convergent vers une même idée : l’intelligence artificielle transforme d’abord les tâches avant de transformer les professions.
Les témoignages recueillis dans EntrepreneurIA renforcent cette observation. La question n’est plus de savoir quels métiers vont disparaître. La véritable question consiste à comprendre où demeure la valeur humaine lorsque l’exécution cognitive devient progressivement abondante.
Les entreprises qui réussiront ne seront probablement pas celles qui utiliseront le plus d’intelligence artificielle. Elles seront celles qui comprendront le mieux comment articuler intelligence humaine, gouvernance, expertise métier et intelligence artificielle.
C’est probablement la principale leçon stratégique que les dirigeants peuvent tirer aujourd’hui du travail d’Andrej Karpathy.
Références
US Job Market Visualizer d’Andrej Karpathy
Jobs’ AI Exposure Should Be Measured from Evidence, Not Model Priors
