Ingénieur en apprentissage automatique — sur quoi nous nous fondons
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
Construire un modèle pour le problèmeDécider ce qui compte comme assez bonObtenir des données dont la chose puisse apprendreQuand cela cesse discrètement de fonctionnerFaçonner les entrées à la mainRépondre de ce que cela fait aux personnes
Processus et libre-service
Quand cela cesse discrètement de fonctionnerRépondre de ce que cela fait aux personnes
—— 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.
La seule courbe de ce site qui monte vite puis redescend, et les deux moitiés ont un mécanisme identifié. Elle part haut parce que les caractéristiques conçues à la main étaient déjà déplacées avant le début de cette période — l'apprentissage de représentations a fait cela dans les années 2010, pas l'IA générative. La montée abrupte de 2023-2024 n'est pas une machine qui apprend à faire ce métier : c'est une large part des problèmes qui acquiert un substitut achetable, donc l'objet sur mesure a cessé d'être nécessaire. La baisse depuis 2025 est l'autre moitié du même mouvement — une fois le modèle acheté, ce qui reste est de juger s'il marche sur votre problème, et cela est devenu plus difficile à mesure que les systèmes gagnaient en capacité, parce qu'une réponse fausse mais plausible est plus dure à attraper qu'une réponse manifestement fausse. Lisez le pic comme le moment où l'ensemble de tâches classique était le moins cher à remplacer, non comme un maximum vers lequel ce métier serait en train de revenir.
12e semestre 202234La 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 202337Un 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 202344Entrée 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 202451Des 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 202550Les 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 202548Le 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 202647Les 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'hui47L'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
