La page elle-même donne les jugements. Celle-ci donne ce sur quoi ils reposent : quelles technologies touchent réellement ce travail, comment l'estimation a évolué depuis que les modèles de langage ont atteint le public, et la méthode derrière les deux.
Quatre signaux distincts. Ils ne sont délibérément pas additionnés — un métier exposé à deux technologies n'est pas deux fois plus exposé.
Automatisation cognitive
Échantillonner et testerDécider où regarderPoser la question qui obtient une vraie réponseLe dossier et l'opinionSignerAssumer ce que la machine a rédigé
Processus et libre-service
Échantillonner et testerSignerAssumer ce que la machine a rédigé
—— ce segment contient un fait vérifié- - - aucun fait sur ce segment — reconstruction seule0 = aucune tâche exposée, 100 = toutes exposées
● 3 événements vérifiés pour ce métier, placés à la date où il s'est produit — les parties de la courbe proches d'un repère sont ancrées à quelque chose de vérifiable.
Un départ haut qui n'est pas dû à l'IA générative : le test sur population complète était déjà courant dans les grands audits il y a dix ans, donc la profession est entrée dans cette période avec sa tâche la plus visible — l'échantillonnage — en train de perdre sa raison d'être. L'échantillonnage a ceci de particulier qu'il ne devient pas obsolète parce qu'on le fait mieux ; il devient obsolète parce qu'il devient inutile dès que tout tester coûte peu. La hausse de 2023-2025, c'est la génération qui atteint les dossiers de travail, la documentation la plus normalisée des services professionnels. Elle s'aplatit à cause de quelque chose d'inscrit dans la loi plutôt que dans la technologie : sur tout marché où l'audit est légal, une personne titulaire d'une licence doit signer, et la responsabilité s'attache à cette signature. Notez ce que la courbe protège et ce qu'elle ne protège pas — la signature, non le nombre de juniors nécessaires pour arriver à un dossier signable.
12e semestre 202240La génération de texte généraliste arrive au grand public. Avant ce point, l'exposition venait d'automatisations déjà déployées — OCR, RPA, vision industrielle, caisses en libre-service, algorithmes de répartition. ChatGPT research preview (2022-11-30) ↗
21er semestre 202342Un modèle généraliste qui réussit des examens professionnels. La qualité du premier jet franchit le seuil à partir duquel le travail professionnel commence à s'en servir. GPT-4 (2023-03-14) ↗
32e semestre 202345Entrée visuelle, contexte long et appel d'outils. Les modèles peuvent être pointés vers des documents et connectés à des systèmes, et c'est cela qui déplace le travail de processus plutôt que le travail d'écriture. GPT-4 Turbo:128k 上下文、视觉、工具调用(DevDay) (2023-11-06) ↗
41er semestre 202449La même capacité devient bien moins chère et bien plus rapide. Rien de nouveau ne devient possible ; beaucoup devient abordable à grande échelle, et c'est là que les décisions de déploiement changent.
52e semestre 202452Des modèles de raisonnement qui traitent des problèmes à plusieurs étapes, et les premiers modèles qui pilotent un ordinateur en regardant l'écran. C'est le second qui atteint les métiers dont le travail consiste à faire marcher des logiciels. OpenAI o1(推理);同期 Claude 的 computer use 进入公测 (2024-09-12) ↗
61er semestre 202554Les agents commencent à faire fonctionner de vrais logiciels de bout en bout, au lieu de produire du texte qu'une personne recopie. C'est aussi le moment où apparaissent les premiers retours en arrière publics — des organisations qui avaient automatisé et l'ont partiellement défait. Claude 3.7 Sonnet 与 Claude Code:混合推理 + 命令行编码代理 (2025-02-24) ↗
72e semestre 202555Le contexte long et l'usage d'outils deviennent la norme plutôt qu'une fonctionnalité. Les gains de capacité continuent ; la contrainte visible se déplace de ce que les modèles savent faire vers la responsabilité juridique, les achats et le coût. GPT-5(2025-08-07);Claude Opus 4.5(2025-11-24) (2025-08-07) ↗
81er semestre 202656Les agents à long horizon s'installent dans des flux de travail sectoriels précis. L'adoption devient propre à chaque secteur plutôt que générale. GPT-5.5:「专为实际工作打造」 (2026-04-23) ↗
9Aujourd'hui56L'appréciation actuelle — ce point est l'indice d'impact publié sur la page du métier, donc la courbe est ancrée à un chiffre que le site assume déjà. À noter pour les courbes plates : durant les mêmes semaines, un aperçu de recherche d'une spécification commune permettant à des agents d'IA de piloter des appareils physiques a été ouvert aux laboratoires et aux fabricants. C'est la première classe de capacités pointée vers les métiers physiques dont les courbes bougent à peine ici. GPT-6 Astra(2026-09-03);Claude Fable 5.1 / Mythos 5.1(2026-09-01);Model Hardware Standard 研究预览(2026-08-27) (2026-09-03) ↗
Une courbe plate n'est pas une prévision de sécurité. Elle dit quelles tâches l'automatisation a atteintes jusqu'ici — les métiers qui ont le moins bougé ici sont ceux où la contrainte est physique ou réglementaire, et les deux peuvent changer.
LO
