LO
Être averti quand un dossier vérifié arrive sur ce métier → · Indiquez lesquelles de ces tâches sont les vôtres (VOLO Pro, gratuit pendant le lancement) →
Économiste
Prévoit l'évolution de l'économie, construit et fait tourner des modèles sur des données économiques, conseille gouvernements, banques centrales et entreprises sur les politiques à mener, et rédige des travaux de recherche. Les banques centrales utilisent déjà l'apprentissage automatique pour la prévision et la modélisation, mais disent qu'il n'est pas toujours meilleur que les méthodes traditionnelles et qu'il complète le jugement des experts plutôt qu'il ne le remplace ; environ un quart de leurs cas d'usage de l'IA ont atteint la pleine production. Les modèles de langage commettent des erreurs révélatrices avec les données économiques, en mélangeant premières publications et révisions, et dans une étude randomisée, les équipes qui confiaient le travail de reproduction à l'IA ont réussi bien moins souvent que les équipes humaines. La Réserve fédérale des États-Unis indique que l'IA ne sert pas à fixer la politique. Les États-Unis prévoient une croissance de 5 % pour les économistes.
Prenez une prévision que vous produisez et notez de quel millésime des données provient chaque intrant.
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.
Rédigé pour les économistes des banques centrales, des administrations, des organisations internationales, des cabinets de conseil et de la recherche ; statisticiens, data scientists et analystes financiers ont leurs propres pages. Les éléments sont une projection de l'emploi aux États-Unis, une enquête sur l'usage de l'IA par les banques centrales, la présidence de la banque centrale allemande sur ses modèles d'apprentissage automatique, une étude de la Réserve fédérale sur les erreurs des modèles de langage avec les données économiques, une étude randomisée sur la reproduction de recherches économiques avec l'IA, et un membre du Conseil des gouverneurs de la Réserve fédérale sur ce à quoi l'IA ne sert pas ; l'essentiel provient des banques centrales, et cela établit comment les institutions utilisent et encadrent l'IA, non comment les effectifs ou les heures des économistes ont évolué.
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 propres comptes rendus des banques centrales et une étude de leur personnel ; ils ne mesurent ni la précision des prévisions en pratique ni le temps des économistes.
Une expérience avec des modèles de 2024 et la déclaration d'une institution ; des outils plus récents pourraient faire mieux.
La déclaration d'une seule banque centrale ; elle ne montre pas comment les notes de synthèse sont rédigées ailleurs.
Inféré à partir des descriptions des institutions ; aucun élément ne mesure la production ou la qualité de la recherche.
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 4 tâches en entier — direction, raison et limites →
Changements récents#
États-Unis. Le bureau statistique prévoit que l'emploi des économistes progressera de 5 % de 2025 à 2035, de 18 600 à 19 500, avec environ 1 100 postes à pourvoir par an. Il indique que la demande viendra d'organisations qui appliquent l'analyse de mégadonnées à la tarification, à la publicité et à d'autres domaines, ainsi que d'une économie mondiale plus complexe, mais que l'emploi dépendra en partie des budgets publics. Il ne mentionne pas l'IA.
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.
Allemagne. La présidence de la banque centrale indique que des applications d'apprentissage automatique servent à modéliser l'inflation, les taux d'intérêt et les dépenses budgétaires ainsi que les volumes de prêts et d'échanges commerciaux, que l'expérience montre que ces approches ne sont pas toujours supérieures aux approches traditionnelles, et que l'IA complète le personnel comme outil supplémentaire et ne remplace pas l'expertise ; la banque a aussi mis à disposition une plateforme permettant au personnel de configurer des assistants textuels. Le dirigeant de l'institution décrivant son propre travail.
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.
États-Unis. Lisa Cook, membre du Conseil des gouverneurs, indique que le Comité fédéral de l'open market n'utilise pas l'IA pour élaborer ou fixer la politique, mais pour aider le personnel dans d'autres tâches comme la rédaction, le codage et la recherche, et que la recherche à la Fed avance de manière délibérée et prudente parce que de nombreux outils d'IA ne sont pas encore prêts à être mis en production. La déclaration d'un membre d'un organe de décision sur une institution.
Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
États-Unis, personnel du Conseil de la Réserve fédérale. En testant la mémoire des données macroéconomiques par des modèles de langage, les auteurs constatent un rappel globalement exact mais deux erreurs importantes : mélanger les données de première publication avec les révisions ultérieures, et mélanger les données de périodes passées et futures ; un jour donné, le modèle croira probablement avoir en main des données qui n'ont pas été publiées, ce qui limite son usage pour l'analyse historique ou pour imiter des prévisionnistes en temps réel.
Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.
Banques centrales du monde entier, interrogées de septembre à novembre 2024. Le rapport indique que les applications d'IA ont le plus progressé en statistique et en recherche économique, en particulier la prévision immédiate (nowcasting), l'analyse de sentiment et la détection de valeurs aberrantes, mais qu'à peine un quart environ des cas d'usage de l'IA parviennent à une mise en œuvre à pleine échelle : les banques centrales en sont donc encore surtout à expérimenter plutôt qu'à utiliser l'IA dans leurs opérations quotidiennes. Il compte des cas d'usage, pas le temps du personnel.
Essai à petite échelle dans un cadre réel. Cela nous dit que les conditions de déploiement sont mises à l'épreuve, non qu'elles sont réunies — donc un pilote ne suffit jamais à lui seul ; deux indépendants suffisent.
Une expérience avec 288 chercheurs répartis au hasard en 103 équipes qui ont reproduit par calcul des résultats publiés en sciences sociales : des équipes uniquement humaines, des équipes assistées par l'IA et des équipes qui guidaient une IA de façon minimale. Les équipes humaines ont égalé les taux de réussite des équipes assistées par l'IA, ont obtenu une réussite supérieure de 57 points de pourcentage à celle des équipes menées par l'IA, et ont trouvé nettement plus d'erreurs majeures que les deux autres. Un document de travail utilisant des modèles de 2024.
Une démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.
Ce que cela veut dire pour vous#
Si vous débutez, attendez-vous à ce que les modèles d'apprentissage automatique et l'aide de l'IA au codage fassent partie du métier. Développez ce pour quoi les institutions disent avoir encore besoin de personnes : connaître les données et leurs révisions, juger quand un modèle se trompe, et transformer l'analyse en conseils sur lesquels quelqu'un peut agir.
Attendez-vous à coder plus vite et à avoir davantage de résultats de modèles à vérifier. Le jugement sur ce que les chiffres signifient pour une décision vous revient.
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.
Devenir la personne qui vérifie les modèles
Les banques centrales utilisent l'apprentissage automatique aux côtés des modèles traditionnels et disent qu'il n'est pas toujours meilleur, et les modèles de langage confondent les millésimes des données.
Le travail de validation des modèles se trouve surtout dans les grandes institutions.
Prenez une prévision que vous produisez et notez de quel millésime des données provient chaque intrant.
Rester dans l'analyse et le conseil en matière de politiques
Les banques centrales disent que l'IA ne sert pas à fixer la politique, et les États-Unis prévoient une croissance pour les économistes.
Les postes en politiques publiques sont peu nombreux et dépendent souvent des budgets publics.
Listez quelles parties de votre dernière note de synthèse relevaient du jugement et lesquelles relevaient d'un travail sur les données qu'un outil aurait pu faire.
Passer à l'ingénierie des données pour les statistiques économiques
Le travail des banques centrales sur l'IA se concentre dans la statistique et la prévision immédiate, qui demandent des personnes comprenant à la fois les données et les méthodes.
Il faut de solides compétences en programmation, et les postes de statisticien et de data scientist sont en concurrence pour ce travail.
Découvrez quels jeux de données de votre organisation sont constitués à la main et qui les tient à jour.
Questions fréquentes#
Pas au vu des éléments actuels. Les banques centrales utilisent l'apprentissage automatique pour la prévision et la modélisation mais disent qu'il complète l'expertise plutôt qu'il ne la remplace, la Réserve fédérale n'utilise pas l'IA pour fixer la politique, et les États-Unis prévoient une croissance de 5 % pour les économistes.
Nous ne répondons pas à cette question par un nombre d'années. Regardez si les banques centrales font passer davantage d'IA de l'expérimentation à la production, et si les modèles cessent de confondre les millésimes des données. Ces signaux vous en disent plus que n'importe quelle date.
Pas de façon fiable au vu des éléments actuels. La banque centrale allemande indique que l'apprentissage automatique n'est pas toujours supérieur aux approches traditionnelles, et le personnel de la Réserve fédérale a constaté que les modèles de langage mélangent premières publications et révisions et supposent des données qui n'ont pas encore été publiées.
Pas bien, d'après les éléments disponibles à ce jour. Dans une étude randomisée sur la reproduction de résultats publiés, les équipes qui guidaient une IA de façon minimale ont réussi 57 points de pourcentage moins souvent que les équipes humaines, tandis que les équipes assistées par l'IA ont fait aussi bien que les humains, mais pas mieux.
Sur quoi reposent ces jugements#
Sur les 4 jugements de tâche de cette page, 3 s'appuient sur un événement vérifié et 1 relèvent d'une inférence de la plateforme, chacun étant signalé là où il apparaît. Derrière eux se trouvent 1 dimensions technologiques, une trajectoire reconstruite depuis que les modèles de langage ont atteint le public, et 6 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 · Chercheur en IA · Testeur logiciel / ingénieur qualité · Analyste de données · Data scientist · Statisticien · 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