LO
Être averti quand un dossier vérifié arrive sur ce métier → · Indiquez lesquelles de ces tâches sont les vôtres (VOLO Pro, gratuit) → · Pour une équipe ou une promotion de diplômés →
Chercheur en IA
Livre une conclusion, non un système — et la conclusion doit survivre à trois questions qu'aucun outil ne peut trancher : ce résultat est-il réel, se généralise-t-il, et que faut-il faire ensuite.
Prenez le dernier résultat que votre équipe a célébré et essayez de le produire par une voie qui ne devrait pas marcher. Si vous n'en approchez pas, le résultat est plus solide que vous ne pensiez ; si vous y arrivez, vous avez trouvé quelque chose que personne ne cherchait.
Ce n'est pas une probabilité de perdre votre emploi. Il combine la part de la charge de tâches du poste exposée à l'automatisation avec le chemin réellement parcouru par l'adoption — utile pour comparer des métiers sur une même base cohérente, et pour rien d'autre.
Écrit pour ceux dont la production est un résultat de recherche — laboratoires de pointe, groupes de recherche d'entreprise et laboratoires universitaires travaillant sur les méthodes d'apprentissage automatique. C'est un métier différent de `machine-learning-engineer`, qui livre des systèmes appris dans des produits, et de `ai-implementation-lead`, qui déploie des outils achetés dans une entreprise ; cette frontière est aussi énoncée sur ces pages. Lisez les preuves ici en gardant leur concentration en tête : les chiffres sur le travail des agents viennent de la publication d'un seul laboratoire sur lui-même, et ce laboratoire est à la fois le lieu de travail le plus saturé d'agents que quiconque ait mesuré et un vendeur des agents en question ; le reste, ce sont les règles des conférences de recherche sur l'usage des modèles de langage pour rédiger et évaluer, et les attentes déclarées de dirigeants de laboratoires. Les laboratoires universitaires, les groupes pauvres en puissance de calcul et la recherche hors apprentissage automatique ne sont pas décrits par ces chiffres.
Ce qui change réellement#
L'unité d'analyse est la tâche, non l'intitulé du poste. Un poste n'est pas remplacé — sa composition en tâches se déplace.
Chaque case est une tâche. Sa taille est son poids dans le métier ; sa couleur, la direction que prend la tâche. Cliquez sur une case pour voir ce que ce jugement n'établit pas.
Les jours-agent sont une mesure de l'effort fourni, non du travail remplacé — la même publication note que la puissance de calcul disponible a beaucoup augmenté sur la période, donc davantage d'expériences ne signifie pas en soi qu'il fallait moins de gens pour les mener. C'est un employeur, auto-mesuré, et cet employeur vend les outils mesurés. Rien ici ne dit qu'un laboratoire universitaire sur une subvention fixe a vécu quoi que ce soit de cela.
Un trafic d'assistance en baisse est compatible avec des agents qui répondent aux questions, et tout aussi compatible avec une infrastructure devenue meilleure, ou avec le départ de ceux qui demandaient. La publication écarte une explication alternative — un déplacement vers un autre canal humain — et non les autres. Elle décrit aussi une fonction d'appui interne dans une entreprise, non un marché du travail : aucun poste n'a été rapporté comme supprimé.
Le taux d'interventions a été produit par un classificateur agentique lisant des journaux de session — une machine jugeant des machines — ce que la publication dit franchement et que personne d'extérieur n'a vérifié. Il compte les interventions sur des tâches réussies : il ne dit donc rien du nombre de tâches échouées et abandonnées. Et un taux mesuré sur les modèles les plus capables par ceux qui les ont entraînés est le meilleur cas, non le cas typique.
Il s'agit d'une inférence sur la nature du travail, et des règles de deux conférences pour leurs auteurs et relecteurs ; aucune ne mesure la part de l'analyse que les chercheurs confient désormais aux modèles, ni le soin avec lequel ils la vérifient. Le décompte d'ICML montre aussi qu'environ 1 % des évaluations soumises à une règle sans LLM ont tout de même confié le jugement à un modèle : la règle n'est donc pas partout la pratique.
Une part de jetons est une mesure de volume, non d'influence : la planification est par nature une activité brève, donc une petite part de jetons est ce à quoi cela ressemblerait que des machines s'en chargent ou non. L'affirmation que les personnes décident encore est le récit que le laboratoire fait de sa propre gouvernance, et aucune partie extérieure ne le vérifie. C'est aussi l'instantané d'une entreprise sur une année, dans un domaine dont le propre directeur scientifique attend que les systèmes conduisent de plus en plus leur propre développement.
Le récit par une entreprise d'un seul incident, publié par cette entreprise, sans audit externe de ce qui a été suspendu ni pour combien de temps. Une suspension n'est pas non plus un arrêt : certaines charges ont repris sous des contrôles renforcés en quelques semaines, l'entreprise dit que ses plus grands entraînements de pointe restent suspendus, et l'allocation totale de calcul entre les charges analysées est restée en grande partie inchangée. Rien ici n'établit qu'un chercheur extérieur à ce laboratoire ait la légitimité d'arrêter le travail de sa propre équipe.
C'est votre métier ? Dites-le et cette page se resserre sur votre part de celui-ci.
Un intitulé de poste est un paquet de tâches achetées ensemble, et deux personnes n'ont jamais le même paquet. Rien n'est envoyé où que ce soit — cela reste dans ce navigateur.
Lire les 6 tâches en entier — direction, raison et limites →
Changements récents#
Une déclaration, non une mesure — et un engagement plutôt qu'une prédiction, raison pour laquelle cela figure dans une étape qui ne change rien sur cette page. Ce que cela établit est un fait sur une déclaration : à cette date, la personne qui dirige cette entreprise a dit cela, publiquement, sous son propre nom. Trois choses méritent d'y être tenues séparées parce qu'elles sont vérifiables à des rythmes différents. L'argument selon lequel l'industrie devrait ralentir est une opinion. L'engagement de donner à des évaluateurs tiers un accès permanent de niveau salarié est une promesse sur une conduite future, sans évaluateur nommé et sans date. Ni l'un ni l'autre n'est la preuve que quoi que ce soit ait été ralenti, audité ou restreint. L'intérêt tire dans plus d'une direction et les deux moitiés appartiennent au dossier : le locuteur est un concurrent du laboratoire dont l'essai lié discute l'incident, et il engage aussi sa propre entreprise avant que quiconque n'ait accepté. Le message a eu une portée qu'un communiqué d'entreprise obtient rarement, ce qui est un fait sur la diffusion et non sur l'affirmation.
Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.
Une déclaration, non une mesure, et un accord à une proposition plutôt qu'un compte rendu de quoi que ce soit de fait. Ce que cela établit est un fait sur une déclaration : à cette date, la personne qui dirige ce laboratoire a dit publiquement être d'accord sur la nécessité de doser le rythme à la frontière, a dit que le sujet avait été un thème central des discussions internes ces dernières semaines, et a dit que son entreprise s'alignerait sur l'engagement d'un concurrent quant à l'accès des évaluateurs indépendants. Lisez les trois parties séparément. L'accord est une opinion. La remarque sur les discussions internes est une affirmation sur le passé que personne hors de l'entreprise ne peut vérifier. L'engagement est une promesse sur une conduite future, sans date, sans évaluateur nommé et sans périmètre d'accès énoncé. Rien là-dedans n'établit qu'un accès ait été accordé, qu'une campagne ait été suspendue ou qu'une évaluation ait commencé. Notez les circonstances plutôt que de deviner le motif : cela a été publié en réponse, quelques heures après qu'un concurrent a publié le premier et s'est engagé le premier, et la réponse dit que les détails sont encore à venir.
Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.
La publication d'un laboratoire sur sa propre organisation de recherche, avec des mesures allant jusqu'à la mi-août 2026, et ce laboratoire vend les agents qu'il mesure — les chiffres et le cadrage pointent dans le même sens, celui qui convient au vendeur. Lisez trois limites avec cela. Le ratio de 3.1 compte l'effort fourni, non le travail remplacé, et le même document note que la puissance de calcul disponible a beaucoup augmenté sur la période. Le chiffre des interventions — plus de la moitié des tâches réussies de quatre à huit heures ont connu au moins une intervention humaine — a été produit par un classificateur agentique lisant des journaux de session, une machine jugeant des machines, et il exclut les tâches échouées. La baisse du trafic du service d'assistance interne écarte une explication alternative (qu'il aurait migré vers un autre canal humain) et non d'autres, comme une simple amélioration de l'infrastructure. Rien ici n'est une mesure du marché du travail : aucun poste n'est rapporté comme supprimé, et c'est le lieu de travail le plus saturé d'agents pour lequel quelqu'un ait publié des chiffres, non un lieu typique.
Un employeur l'a mis en production. Cela peut déplacer la ligne de base — pondéré par l'échelle et par la ressemblance du cadre avec le vôtre.
Un essai signé, non une mesure, et cette distinction est toute la raison pour laquelle cet enregistrement existe dans une étape qui ne peut rien changer. Ce qu'il établit est un fait sur une déclaration : à cette date, cette personne dans cette fonction a dit cela. Trois de ses affirmations méritent d'être tenues séparées parce qu'elles sont vérifiables à des rythmes différents — que les progrès se maintiendront jusqu'à l'auto-amélioration récursive, qu'aucune date ne fixe ; que la lisibilité des chaînes de raisonnement diminue, que l'essai présente comme un résultat d'évaluation interne plutôt que comme une prévision ; et que les systèmes d'IA conduiront de plus en plus leur propre développement. Rien ici n'est une preuve sur le travail de qui que ce soit, et ce site ne publie aucun verdict sur la réalisation d'une prévision. Le règlement de comptes est la page : les mesures sur ce métier se tiennent à côté.
Une personne nommée, ayant une position reconnue, a publiquement prédit quelque chose, à une date, dans une déclaration attribuable. On l'enregistre pour que qui a dit quoi, et quand, reste vérifiable — et cela ne déplace jamais l'appréciation d'une tâche, car une prévision n'est pas une observation. Sa valeur arrive plus tard : l'enregistrement se trouve sur la même page que les preuves concernant ce métier, donc qui lit la prévision lit à côté le relevé de ce qui s'est passé ensuite. C'est là que les comptes se font ; ce site ne publie aucun verdict sur la réalisation d'une prévision.
Le récit d'une entreprise sur la restriction de son propre travail, ce qui est la partie inhabituelle : la contrainte est ici auto-imposée, non réglementaire, et aucun audit externe ne dit ce qui a été suspendu ni pour combien de temps. Deux déclencheurs sont nommés — l'incident OpenAI-Hugging Face, après lequel les charges d'inférence pouvant exécuter du code ou atteindre Internet ont été arrêtées sur le cluster de recherche, et une détermination du 7 août selon laquelle un modèle à venir pourrait atteindre le seuil critique de capacité cyber du cadre de préparation de l'entreprise. Les exigences qui ont suivi sont précises : bac à sable pour les charges exécutant du code produit par un modèle, isolation réseau pour les charges non fiables, surveillance de chaque jeton échantillonné pour les modèles d'un niveau de capacité donné, et une cible d'alerte de trente minutes, pour un surcoût de surveillance annoncé d'environ 20 % de la puissance d'inférence surveillée. Une suspension n'est pas un arrêt : certaines charges ont repris sous contrôles renforcés en quelques semaines. Cela ne dit rien d'un autre laboratoire que celui-ci.
Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
L'une des principales conférences d'apprentissage automatique, où l'on juge les résultats d'autrui lors de l'évaluation par les pairs. Les relecteurs choisissaient entre une politique n'autorisant aucun usage de LLM et une politique ne les autorisant que pour aider à comprendre les articles et à polir les évaluations. Les présidents indiquent que 795 évaluations (environ 1 % de l'ensemble) rédigées par 506 relecteurs relevant de la politique sans LLM ont été détectées comme générées par LLM, chaque cas signalé étant vérifié par une personne ; ces évaluations ont été retirées, et les 497 soumissions des 398 relecteurs-auteurs concernés ont été rejetées sans évaluation. Cela concerne l'évaluation par les pairs, non la lecture par les chercheurs de leurs propres résultats.
Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
L'une des principales conférences d'apprentissage automatique, dont la règle s'impose à ses auteurs de 2026. Les présidents du programme disent que les LLM peuvent aider à trouver des idées de recherche, à écrire le code des expériences et à analyser les résultats ; qu'il incombe à l'auteur de vérifier et de valider toute contribution à la recherche apportée par un LLM ; que même lorsqu'un LLM pourrait produire un travail de recherche entier, un auteur humain reste exigé pour en répondre ; et que les chercheurs ne doivent pas présenter les résultats de façon trompeuse. Les manquements peuvent entraîner un rejet sans évaluation. La règle admet l'analyse par la machine ; elle laisse à une personne le soin de répondre de ce que le résultat signifie.
Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
Ce que cela veut dire pour vous#
La part du métier pour laquelle on vous forme — écrire la boucle d'entraînement, bâtir le montage, faire obéir le cluster — est celle sur laquelle un chiffre publié dit jusqu'où elle a déjà été confiée à des agents. Ce n'est pas une raison de ne pas l'apprendre, parce qu'on ne peut pas diriger une tâche d'agent de quatre heures à travers un travail qu'on n'a jamais fait soi-même. C'est une raison d'être honnête sur ce que cela vous achète : c'est le ticket d'entrée, non la position. La position est d'être la personne dont la lecture du caractère réel d'un résultat est crue, et la voie la plus rapide est d'aller avoir tort sur un résultat en public, tôt, là où quelqu'un de senior vous dira pourquoi.
Votre levier est passé de ce que vous pouvez construire au nombre de lignes de travail simultanées que vous pouvez tenir en tête assez bien pour remarquer que l'une dérape. C'est une compétence réelle et ce n'est pas celle pour laquelle on vous a recruté. Deux choses méritent d'être surveillées chez vous. La première est de savoir si vous lisez encore les journaux des campagnes qui ont réussi — les données d'intervention disent que les échecs sont visibles et que les réponses fausses silencieuses ne le sont pas. La seconde est ce qui arrive à votre jugement quand vous cessez d'écrire le code : ceux qui savent distinguer un résultat réel d'un artefact sont, jusqu'ici, ceux qui ont construit assez de l'appareil de mesure pour savoir comment il ment.
Vos options#
Quatre directions, chacune avec ses contraintes réelles et une chose que vous pouvez tester cette semaine. Continuer comme aujourd'hui est un choix légitime — il faut simplement que ce soit un choix.
Détenez l'évaluation, non le modèle
Quand écrire l'expérience est délégué et la lire ne l'est pas, la position rare est celle qui décide ce qui compte comme résultat. L'évaluation est aussi là où les règles mêmes du domaine maintiennent une personne : ICLR permet à un modèle d'aider à analyser les résultats mais rend les auteurs responsables de leur vérification, et exige un auteur humain pour en répondre.
Le travail d'évaluation est jugé sur la fréquence à laquelle il dit non, dans des organisations qui mesurent le progrès par les lancements. C'est aussi le travail le plus susceptible d'être confié à un junior précisément parce qu'il ressemble à de l'infrastructure.
Prenez le dernier résultat que votre équipe a célébré et essayez de le produire par une voie qui ne devrait pas marcher. Si vous n'en approchez pas, le résultat est plus solide que vous ne pensiez ; si vous y arrivez, vous avez trouvé quelque chose que personne ne cherchait.
Devenez celui qui mène plusieurs lignes à la fois
La publication d'un laboratoire sur lui-même fait état de 3,1 journées-agent pour chaque journée de travail humain, et plus de la moitié de ses tâches d'agent de quatre à huit heures réussies ont demandé au moins une intervention humaine. C'est une compétence de supervision sans voie de formation établie, raison précise pour laquelle la détenir tôt vaut quelque chose.
Cela échange la profondeur contre l'étendue à un stade de carrière où la profondeur est ce qui fait recruter, et la seule publication chiffrée ne compte les interventions que sur les tâches qui ont réussi. Cela dépend aussi d'un budget de calcul que la plupart des gens ne contrôlent pas.
Menez deux tâches d'agent en parallèle pendant une après-midi et notez, pour chaque intervention, le signal exact qui vous a dit d'intervenir. Si la liste est vide, vous ne supervisiez pas, vous attendiez.
Allez là où la contrainte est le jugement
Les domaines où une expérience est coûteuse, lente ou irréversible — biologie, matériaux, médecine, matériel — ne peuvent pas déléguer la campagne à un agent : toute la valeur tient donc au choix de l'expérience à faire. Les compétences de méthode se transfèrent ; le faible coût qui a rendu délégable la phase de construction de ce métier n'existe pas là-bas.
Cela suppose de repartir sur un savoir métier qui prend des années, et le temps de cycle qui protège le travail ralentit aussi votre propre apprentissage au rythme des expériences.
Trouvez une personne d'un tel domaine et demandez combien de temps a pris sa dernière expérience et ce qu'il coûtait de se tromper. Comparez à votre propre semaine. L'écart est ce que vous achèteriez.
Questions fréquentes#
Aucune année, et dans ce métier une année serait particulièrement malhonnête, parce que les personnes les mieux placées pour savoir se contredisent en public. Ce que vous pouvez mesurer vous-même est plus utile. Sur vos dix derniers travaux, comptez combien ont fini en code que vous avez écrit et combien en jugement sur un travail produit par autre chose. Puis comptez, parmi les tâches d'agent réussies, combien vous avez dû interrompre. Le premier rapport vous dit quelle moitié de ce métier vous détenez aujourd'hui ; le second vous dit si cette moitié porte encore la charge. Les deux chiffres existent dans votre propre semaine et aucun n'exige la prévision de quiconque.
Traitez la déclaration et la mesure comme deux choses différentes, parce qu'elles sont publiées dans des documents différents et qu'une seule est vérifiable. Les mesures — jours-agent par jour humain, taux d'intervention, part de la production qui est de la planification de haut niveau — sont précises, datées, et pourraient être contredites par une publication ultérieure. Les attentes sur ce qui vient ensuite sont des attentes : elles viennent de gens à la visibilité inhabituelle et à l'intérêt inhabituel, et les deux tirent dans le même sens. Ce site enregistre les deux, mais seul le premier type peut faire bouger quoi que ce soit sur cette page, et c'est une limite délibérée plutôt qu'un avis sur qui a raison.
La question est d'ordinaire posée comme si le doctorat était une formation à construire des choses, et il ne l'est pour l'essentiel pas. Ce à quoi un doctorat vous donne réellement des années de pratique, ce sont les tâches que cette page marque comme restant aux personnes : décider ce qui mérite d'être étudié, et défendre une affirmation sur un résultat devant des gens qui cherchent à la casser. C'est la moitié rare. La mise en garde honnête diffère de l'habituelle : la moitié bon marché du métier est là où un étudiant se prouve désormais devant un jury de recrutement, et si c'est tout ce qu'un programme vous apprend, la formation et le marché ont divergé. Demandez au groupe que vous rejoignez à quelle fréquence le résultat d'un étudiant est démonté devant lui, et à quand remonte l'abandon d'une direction là-bas.
Non, et le site les garde séparés exprès parce que leur exposition diffère. Un ingénieur en apprentissage automatique livre un système qui tourne sur de vraies personnes, et ce qui a déplacé une grande part de ce travail est un substitut achetable — un modèle entraîné par quelqu'un d'autre. Un chercheur livre une conclusion, et ce qui y est délégué est le labeur de produire des preuves pour elle, non la conclusion. Une conséquence compte pour qui choisit : l'éviction de l'ingénieur est réversible, parce que le prix ou la licence d'un fournisseur peut bouger ; celle du chercheur n'a pas du tout cette forme. Si votre travail s'achève quand quelque chose est livré, lisez plutôt la page de l'ingénieur en apprentissage automatique.
Sur quoi reposent ces jugements#
Sur les 6 jugements de tâche de cette page, 6 s'appuient sur un événement vérifié et 0 relèvent d'une inférence de la plateforme, chacun étant signalé là où il apparaît. Derrière eux se trouvent 2 dimensions technologiques, une trajectoire reconstruite depuis que les modèles de langage ont atteint le public, et 7 événements vérifiés.
Voir quelles technologies, comment on en est arrivé là, et la méthode →
Sa place dans la nomenclature officielle : compétences, connaissances, métiers liés →
Autres postes de la même fonction#
Une entreprise répartit son travail en fonctions avant de le répartir en postes. Ceux-ci se trouvent dans Technologie et données aux côtés de celui-ci — un fait d'organigramme, non un jugement selon lequel ils se ressembleraient ou évolueraient dans le même sens.
Développeur logiciel junior · Ingénieur logiciel expérimenté · Développeur frontal · Développeur côté serveur · Ingénieur de données · Ingénieur en apprentissage automatique · Testeur logiciel / ingénieur qualité · Analyste de données · Data scientist · Statisticien · Économiste · Analyste métier · Responsable des systèmes de gestion · Technicien de support informatique · Analyste sécurité (SOC) · Ingénieur DevOps / ingénieur plateforme / SRE · Ingénieur réseau · Rédacteur technique / ingénieur documentation · Rédacteur de demandes de subvention / chargé de subventions