VOLOVLORisque d'automatisation et transition, tâche par tâche
DemanderMétiersFilièresEntreprisesFondateursChangementsNotesMéthode
Rechercher des métiers, des filières…
FR
  • English
  • 简体中文
  • 日本語
  • Español
  • Português
  • Français
VLO
VOLO

Comprendre comment l'automatisation change le travail — tâche par tâche, avec les preuves montrées et l'incertitude reconnue.

DemanderMétiersFilièresEntreprisesFondateursChangementsNotesMéthodeÀ proposDiagnostic de posteConfidentialitéConditions
© 2026 VOLO
Métiers
Tous les métiers
IA / logiciel
Traducteur / InterprèteGuichetier bancaireRédacteur publicitaireConseiller de la relation clientAssistant administratifTesteur logiciel / ingénieur qualitéGraphisteAssistant juridiqueMonteur vidéoComptable / Aide-comptableResponsable marketingDéveloppeur frontalAnalyste de donnéesGestionnaire de sinistresRédacteur technique / ingénieur documentationDéveloppeur logiciel juniorRessources humaines / recruteurChargé de créditAnalyste financierAcheteur / spécialiste de la chaîne d'approvisionnementJournalisteCommercial / responsable de comptesAgent immobilierTechnicien de support informatiqueAuditeurConsultant en managementDéveloppeur côté serveurChercheur en IADesigner produit / UXResponsable des systèmes de gestionResponsable d'exploitation e-commerceRadiologueIngénieur de donnéesAvocatAssistant médical / assistant de cliniqueIngénieur en apprentissage automatiqueIngénieur logiciel expérimentéIngénieur DevOps / plateforme / SREChef de produitPharmacienResponsable des partenariats / du réseauAnalyste sécurité (SOC)Responsable conformitéArchitecteEncadrant de proximité / chef d'équipePsychologue / psychothérapeuteVendeur en magasinAgent de sécuritéEnseignantMédecin généralisteServeur en restaurantMécanicien automobile / technicien véhiculeKinésithérapeute / thérapeute en rééducationOuvrier du bâtimentInfirmier diplôméAide-soignantResponsable du déploiement de l'IA
RPA / libre-service
Agent d'accueil du service publicCoordinateur d'exploitationRéceptionniste / accueil
Robotique
Caissier / vendeur en magasinAgent d'entrepôtOpérateur de ligne d'assemblageTechnicien de laboratoire médicalCuisinierAgent de nettoyageÉlectricien
Conduite autonome
Chauffeur VTC / taxiChauffeur routierLivreur / coursier
Filières
Toutes les filièresAnglais / Langues étrangèresInformatiqueComptabilitéPsychologieJournalisme / CommunicationFinance / ÉconomieDroitDesign de communication visuelleMarketingSoins infirmiersGestion d'entrepriseSciences de l'éducation et formation des enseignantsArchitectureAdministration publique
Guides
Demander à VOLOPour les entreprisesPour les fondateursChangements récentsTextesDiagnostic de posteMéthode et preuvesÀ proposSuivre un métierRechercher
Vous lisez en tant que :J'ai un emploiJe fais des étudesJe dirige une entrepriseJe construis quelque chose
On this pageDécoupage par tâcheComment on en est arrivé làChangements récentsCe que cela veut dire pour vousÉcrit à ce sujetMéthode et sources
Métiers›Radiologue

Être averti quand un dossier vérifié arrive sur ce métier →

Radiologue

Lit des images pour répondre à une question clinique — et signe la réponse, y compris pour ce que personne n'a pensé à demander.

radiologistVoir vos options ↓SantéÉvalué 2026-09-12
Indice d'impact de l'automatisation
51/100
confiance faible · ce n'est pas une probabilité de perdre son emploi
Tâches en cours d'automatisation
1sur 6
2 en cours d'assistance
Encore menées par des humains
2sur 6
1 nouvelle tâche
Jugements appuyés sur des preuves
2sur 6
4 dossiers vérifiés
51/100
Indice d'impact de l'automatisationConfiance faible

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.

Où ceci s'applique

Écrit pour les radiologues diagnostiques qui lisent des examens à l'hôpital ou en téléradiologie. La radiologie interventionnelle figure comme une tâche mais c'est en réalité un autre métier avec une autre exposition. Les manipulateurs en radiologie — ceux qui acquièrent les images — sont un métier distinct que ce site ne couvre pas encore, et leur tableau n'est pas le même.

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.

En cours d'automatisation×1Augmentée×2Encore menée par des humains×2Nouvelle tâche×1

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 l'examen de routine

En cours d'automatisation✓ Appuyé sur des preuves

Le travail de volume à motifs nets : mammographies de dépistage, radiographies du thorax, examens de suivi où la question est étroite et la réponse d'ordinaire normale.

IA / logiciel
Pourquoi

Cette tâche a les quatre propriétés qui font d'une chose un cas fort pour la machine : l'entrée est une image, la sortie est une étiquette, la justesse est vérifiable face à un résultat ultérieur, et les données d'entraînement existent en quantité énorme parce que chaque examen a déjà été lu et rapporté par quelqu'un. C'est aussi la tâche dont parlait réellement la prédiction de 2016, et sur cette tâche la prédiction avait raison sur la direction même si son calendrier et sa conclusion ne l'avaient pas.

Ce que cela ne veut PAS dire

Cela ne dit rien de la part que cela représente dans la journée d'un radiologue, et cette part diffère énormément entre un programme de dépistage et un hôpital de recours. Les deux enregistrements rattachés ici sont un décompte de ce que les régulateurs ont autorisé et un décompte de ce que les programmes de formation ont financé ; aucun n'est un déploiement. Un dispositif autorisé n'est pas un hôpital qui l'exploite, et un poste d'internat financé n'est pas un examen lu — le premier est un plafond de ce qui est permis, le second un pari sur la demande à plusieurs années. Ce qui trancherait : le rapport d'un réseau de santé sur la part des examens lus par machine avant qu'une personne ne les voie.

Attraper ce que personne n'a demandé

Encore menée par des humains≈ Estimation de la plateforme

L'examen a été demandé pour une blessure au dos ; ce qui compte est dans un coin de l'image et n'a rien à voir avec le dos.

IA / logiciel
Pourquoi

Un modèle de détection est entraîné sur la question qui a été posée. La découverte fortuite est par définition la réponse à une question que personne n'a posée, et c'est une grande part de ce qui rend une lecture précieuse plutôt que simplement exacte. Améliorer un modèle sur sa propre tâche ne déplace pas cela, parce que ce n'est pas cette tâche.

Ce que cela ne veut PAS dire

Un jugement sur la structure du travail, non une mesure. Nous ne détenons aucun enregistrement quantifiant la fréquence à laquelle une découverte fortuite change la prise en charge, et la réponse diffère selon la modalité et la population. Cela ne prétend pas non plus que les personnes y soient bonnes — les découvertes fortuites manquées sont une défaillance connue et étudiée.

Décider s'il faut imager du tout

Augmentée≈ Estimation de la plateforme

Le protocole : si cet examen répond à la question clinique, quelle séquence, combien de produit de contraste, quelle dose — et s'il faut dire non.

IA / logiciel
Pourquoi

Les outils d'aide à la décision aident réellement ici : les critères de pertinence ont la forme de règles et un système peut les appliquer de façon constante là où une personne pressée ne le fera pas. Ce qui ne se transfère pas est le refus — décliner un examen qu'un clinicien demandeur veut est un jugement dont le coût retombe sur une personne nommée, et la valeur du radiologue à ce moment est précisément qu'on peut discuter avec lui.

Ce que cela ne veut PAS dire

Rien ici ne dit à quelle fréquence les radiologues protocolent réellement les examens plutôt que de les viser sans les lire, et dans bien des cadres cette étape a déjà été déléguée ou automatisée pour des raisons étrangères à l'IA.

Le compte rendu sur lequel quelqu'un agit

Augmentée≈ Estimation de la plateforme

Transformer ce que vous avez vu en mots sur lesquels un clinicien agira — y compris le degré de prudence, et la question de recommander un suivi qui coûte de l'argent et de l'inquiétude.

IA / logiciel
Pourquoi

Rédiger et structurer des comptes rendus convient bien à la génération et c'est là qu'on annonce l'essentiel du gain de temps visible. La part qui ne bouge pas est le calibrage : une phrase trop prudente est inutile et une phrase trop peu prudente provoque une opération inutile, et l'endroit où passe cette ligne dépend de ce patient, de ce demandeur et de ce système de santé.

Ce que cela ne veut PAS dire

Aucun enregistrement vérifié de ce site ne mesure le temps de rédaction économisé, et les affirmations des fournisseurs à ce sujet sont du marketing venu d'une partie intéressée. Ce qui trancherait : un réseau de santé publiant ses propres délais avant et après.

Les gestes faits à l'intérieur d'une personne

Encore menée par des humains≈ Estimation de la plateforme

Biopsies guidées par l'image, drainages, embolisations — le travail interventionnel où l'image est le guidage plutôt que le produit.

RobotiqueIA / logiciel
Pourquoi

Physique, irréversible, exécuté sur une personne présente et qui peut être blessée. La robotique dans ce domaine assiste une main plutôt qu'elle ne la remplace, et la réglementation attache l'acte à une personne titulaire. C'est la moitié de la radiologie dont la prédiction de 2016 ne parlait pas du tout.

Ce que cela ne veut PAS dire

La radiologie interventionnelle est en réalité un métier distinct avec son propre parcours de formation, et la traiter comme une tâche de cette page sous-estime à quel point elle diffère. Cela ne dit rien non plus du volume, d'où vient la pression réelle sur ce travail.

Répondre de la machine qui l'a lu

Nouvelle tâche✓ Appuyé sur des preuves

Valider un outil sur votre propre population avant de l'allumer, guetter la dérive ensuite, et être la personne nommée sur un compte rendu que la machine a aidé à écrire.

IA / logicielRPA / libre-service
Pourquoi

Un travail qui n'existait pas avant l'entrée de ces outils dans la salle de lecture, et il atterrit ici parce que la signature y atterrit. Un modèle validé ailleurs n'est pas validé ici — la performance bouge avec la machine, le protocole et la population — donc quelqu'un sur place doit vérifier, et vérifier est une compétence de radiologue appliquée à une machine au lieu d'un patient.

Ce que cela ne veut PAS dire

Un travail nouveau qui apparaît n'est pas un effectif nouveau, et dans la plupart des services cela est absorbé par qui est déjà là. Nous ne détenons aucun enregistrement d'un hôpital le dotant délibérément.

Quelles technologies comptent ici#

Quatre signaux distincts. Ils ne sont délibérément pas additionnés — un métier exposé à deux technologies n'est pas deux fois plus exposé.

Automatisation cognitive
Lire l'examen de routineAttraper ce que personne n'a demandéDécider s'il faut imager du toutLe compte rendu sur lequel quelqu'un agitLes gestes faits à l'intérieur d'une personneRépondre de la machine qui l'a lu
Automatisation physique
Les gestes faits à l'intérieur d'une personne
Processus et libre-service
Répondre de la machine qui l'a lu

Comment on en est arrivé là#

L'indice n'est pas un nombre figé. Voici où il se serait situé à chaque jalon de capacité depuis ChatGPT — reconstitué, et étiqueté comme tel.

Reconstitué · inférence de plateformeEstimé aujourd'hui pour chaque jalon passé — non mesuré à l'époque. 38 → 51.
1007550250
non évalué
2022 H22024 H2Now

● 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 point de départ élevé qui n'a rien à voir avec l'IA générative : la détection assistée par ordinateur a été autorisée pour la mammographie à la fin des années 1990 et largement déployée, donc ce métier est entré dans la période déjà partiellement automatisé — et sachant déjà ce que cela fait. La montée de 2023-2025, ce sont des détecteurs étroits et des outils de tri qui arrivent en nombre dans la salle de lecture. Elle s'aplatit bien en dessous de sa tâche la plus exposée, et la raison est ce que la fameuse prédiction de 2016 avait laissé de côté : une autorisation n'est pas un déploiement, une détection n'est pas une signature, et la découverte fortuite est la réponse à une question qu'on n'a jamais posée au modèle. Notez ce que la courbe ne peut pas montrer : si une lecture moins chère fait augmenter le nombre d'examens prescrits. C'est la question ouverte de ce métier, et elle pointe dans l'autre sens que la courbe.

2e semestre 202238La 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) ↗
1er semestre 202340Un 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) ↗
2e semestre 202343Entrée 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) ↗
1er semestre 202446La 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.
2e semestre 202449Des 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) ↗
1er 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) ↗
2e semestre 202551Le 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) ↗
1er semestre 202651Les 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) ↗
Aujourd'hui51L'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.

Changements récents#

Capacité technique2026-09-04Vérifié le 2026-09-12
La liste des dispositifs dotés d'IA de la FDA atteint 1 614 autorisations, dont 1 230 en radiologie

États-Unis uniquement, et la liste compte des autorisations de mise sur le marché, non des installations : un dispositif autorisé peut tourner dans mille hôpitaux ou dans aucun. La plupart sont des autorisations 510(k), qui reposent sur l'équivalence substantielle à un dispositif existant plutôt que sur un essai, et chaque autorisation couvre un usage prévu étroit — un signalement de tri, une mesure, une aide à la détection — non la lecture d'un examen. La FDA indique que la liste n'est pas exhaustive et qu'elle a été constituée principalement en recherchant des termes liés à l'IA dans les résumés d'autorisation : le total comme la part de la radiologie sont donc des planchers plutôt que des décomptes. Le panel indiqué est le panel d'examen principal, non la spécialité qui utilise le dispositif.

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.

U.S. Food and Drug Administration — AI-Enabled Medical Device List ↗Fiche d'impact complète →
Contrainte2026-07-21Vérifié le 2026-09-12
La loi-cadre coréenne sur l'IA fait entrer l'usage des dispositifs médicaux dotés d'IA dans l'IA à fort impact, obligeant l'utilisateur à les maintenir sous gestion et supervision humaines et à pouvoir expliquer leur production

Corée du Sud. Le mot qui compte à l'article 2(4)(ra) est l'usage : la catégorie à fort impact couvre le développement et l'usage des dispositifs médicaux et des dispositifs médicaux numériques, si bien qu'un hôpital faisant tourner un outil de lecture par IA autorisé est un opérateur utilisant de l'IA au sens de cette loi, et non simplement le client de l'un. L'article 34(1) attache ensuite des devoirs à cet opérateur — un plan de gestion des risques, la capacité d'expliquer la production et les principaux critères qui la sous-tendent, une documentation, et point 4, la gestion et la supervision humaines. L'article 31(1) exige séparément d'informer l'usager à l'avance que le service fonctionne avec de l'IA. Deux limites : le détail est renvoyé à un décret présidentiel absent de ce texte, et l'évaluation d'impact sur les droits fondamentaux de l'article 35 n'est qu'une obligation de moyens. Cela ne dit rien du nombre de radiologues qu'un hôpital emploie, et rien de l'exactitude — cela fixe qui doit pouvoir répondre de la production.

Un échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.

국가법령정보센터 (Korea Ministry of Government Legislation) — 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법, 법률 제21311호 ↗Fiche d'impact complète →
Impact sur l'emploi2026-05-26Vérifié le 2026-09-12
Les postes de formation en radiologie diagnostique aux États-Unis sont passés de 997 à 1 083 en cinq campagnes d'appariement, avec un taux de remplissage resté à 98 % ou plus

États-Unis, et cela mesure l'entrée en formation, non l'emploi : ce sont des postes que des programmes ont choisi de financer et d'offrir, soit un pari sur la demande à plusieurs années plutôt qu'un décompte du travail fait aujourd'hui. Les chiffres sont la ligne PGY-2 pour la radiologie diagnostique dans les tableaux 3 et 8A — 997 (2022), 1 006, 1 017, 1 057, 1 083 (2026), remplis par l'ensemble des candidats à 99.9 %, 100.0 %, 99.9 %, 98.6 % et 98.4 % — la principale porte d'entrée de la spécialité ; la ligne PGY-1, plus petite, est passée de 132 à 156 sur la même période. Une spécialité peut automatiser une partie de son travail et former tout de même plus de gens, parce que le volume d'imagerie et l'offre de lecteurs bougent indépendamment ; cet enregistrement borne le récit sur l'emploi, il ne règle pas la question de ce que les machines lisent.

Changement vérifiable dans le recrutement, les effectifs, les heures ou le périmètre du poste. Le poids le plus fort — mais l'attribution causale reste à argumenter, pas à présumer.

National Resident Matching Program — Results and Data: 2026 Main Residency Match ↗Fiche d'impact complète →
Prévision2016-11-24Vérifié le 2026-09-12
Geoffrey Hinton a dit en 2016 qu'il fallait cesser dès maintenant de former des radiologues, que d'ici cinq ans l'apprentissage profond ferait mieux, et a ajouté que ce serait peut-être dix

L'enregistrement de la remarque elle-même, publié par l'organisateur de la conférence, d'une durée de 84 secondes. Lisez ce qu'il a réellement dit plutôt que la version qui circule, car elles diffèrent d'une manière qui compte : la forme largement répétée est cinq ans, et l'enregistrement continue par une concession que les reprises laissent tomber — ce sera peut-être dix ans, mais nous avons déjà beaucoup de radiologues. Il a aussi présenté son propos comme une prédiction sur la capacité, à savoir que l'apprentissage profond ferait mieux que les radiologues parce qu'il pourrait accumuler plus d'expérience, non comme une affirmation sur les hôpitaux, l'emploi ou la réglementation. Deux limites sur cet enregistrement lui-même. Les mots ont été lus dans les sous-titres générés automatiquement de la vidéo, soit une transcription machine, vérifiée à l'oreille pour les phrases citées mais non transcrite professionnellement. Et une prévision n'est jamais une preuve sur le travail : cet enregistrement ne déplace rien sur cette page, et se tient à côté des enregistrements de ce qui est arrivé — un décompte d'autorisations par un régulateur et une décennie de postes de formation — là où un lecteur peut faire l'arithmétique lui-même.

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.

Creative Destruction Lab — Geoff Hinton: On Radiology, recorded at the 2016 Machine Learning and Market for Intelligence Conference, Toronto ↗Fiche d'impact complète →

Ce que cela veut dire pour vous#

Si vous débutez

Vous choisissez une spécialité qu'une personne très célèbre a publiquement conseillé à tout le monde de ne pas intégrer. Il vaut la peine de savoir pourquoi ce conseil n'a pas tenu : il portait sur une tâche, et le métier s'est révélé en compter plusieurs — y compris signer pour une omission, voir ce que personne n'a demandé, et faire des gestes. Il vaut la peine aussi de connaître le risque honnête : si une lecture bon marché rend l'imagerie moins chère, le volume monte, et un métier défendu par le volume est défendu par quelque chose qui peut changer.

Si vous êtes expérimenté

Que la prédiction ait eu tort n'est pas le constat ; la raison de son erreur l'est. Elle a mesuré une tâche et conclu sur un métier. Appliquez le même test à votre propre semaine : les heures passées sur des examens où la question est étroite et la réponse d'ordinaire normale sont les heures exposées, et ce sont aussi celles qu'un gestionnaire bâtissant un dossier économique compte le plus facilement.

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.

Rester et se renforcer

Soyez celui qui valide les outils

Un modèle validé ailleurs n'est pas validé ici, et quelqu'un sur place doit signer qu'il fonctionne sur cette population, sur ces machines. La plupart des services n'ont pas nommé cette personne.

Contraintes réelles

Cela demande des statistiques qu'on ne vous a probablement pas enseignées, et c'est un travail sans prestige qui concurrence le volume de lecture sur lequel vous êtes évalué.

À tester cette semaine

Trouvez un outil d'IA qui tourne dans votre service et demandez sur quelle population il a été validé. Si personne ne peut vous le dire, c'est cela le métier.

Refaçonner le poste

Allez vers le geste

Le travail interventionnel est physique, irréversible et autorisé à une personne — la combinaison que les preuves de ce site trouvent constamment la plus difficile à déplacer.

Contraintes réelles

C'est un autre parcours de formation et une autre vie : gardes, exposition aux rayonnements, et un patient devant vous plutôt qu'une liste de travail.

À tester cette semaine

Passez une vacation en salle de radiologie interventionnelle et comptez quelle part de ce qui s'y passe pourrait être spécifiée à l'avance. Très peu peut l'être.

Mouvement latéral

Allez là où les images sont utilisées, non lues

L'informatique clinique, la conception de programmes d'imagerie et la politique de dépistage ont tous besoin de quelqu'un qui comprend ce qu'une lecture établit réellement — et c'est un type de personne rare dans les salles où ces décisions se prennent.

Contraintes réelles

Vous cessez d'être celui qui lit, et la compétence dont vous viviez se dégrade plus vite que vous ne le pensez.

À tester cette semaine

Regardez les données de résultats publiées par un programme de dépistage et vérifiez si son taux de rappel est là où le protocole dit qu'il devrait être.

Questions fréquentes#

Combien de temps me reste-t-il ?

Ce métier est la raison de se méfier de cette question. Il y a une décennie, un chercheur très connu conseillait publiquement d'arrêter la formation, au motif que la machine serait meilleure dans cinq ans. Sur la tâche étroite qu'il nommait, les machines sont devenues très bonnes. Le métier n'a pas disparu, parce que le métier était plusieurs choses et qu'il en avait mesuré une. Un signal vérifiable par vous, et un meilleur usage de l'inquiétude : sur votre dernière semaine, combien d'heures sont allées à des examens où la question était étroite et la réponse d'ordinaire normale. Ce nombre est la part exposée, et c'est aussi le nombre qu'un gestionnaire peut compter.

La fameuse prédiction que l'IA remplacerait les radiologues était-elle simplement fausse ?

Fausse dans sa conclusion, et méritant d'être comprise plutôt qu'écartée, parce que l'erreur est celle que tout le monde commet. Elle a pris une tâche — lire un examen de volume à motif net — et conclu sur un métier. Sur cette tâche, elle avait raison sur la direction. Ce qu'elle laissait de côté : qui signe pour une omission, qui voit la découverte que personne n'a demandée, qui refuse l'examen qui ne devrait pas être fait, et si une lecture moins chère fait monter la demande au lieu de la faire baisser. L'écarter comme un excès de zèle n'enseigne rien ; la lire comme une erreur de catégorie vous dit exactement quoi vérifier sur votre propre travail.

Il existe des centaines de produits d'imagerie par IA autorisés. Cela veut-il dire que le travail s'en va ?

Une autorisation dit qu'un produit peut être vendu ; elle ne dit pas qu'un hôpital l'a acheté, allumé, ou gardé allumé. Ce site garde ces trois choses séparées exprès, et l'écart entre elles est là où la plupart des prédictions sur ce domaine se sont trompées. Il vaut aussi la peine de savoir dans quelle direction pointent les produits : la plupart sont des détecteurs étroits et des outils de tri qui changent l'ordre d'une liste de travail, ce qui change quand une personne regarde plutôt que si une personne regarde.

Un étudiant en médecine devrait-il encore choisir la radiologie ?

Ce site ne dit à personne quelle spécialité choisir, et une page qui le ferait vaudrait moins. Ce qu'il peut vous donner est la forme du pari : la moitié exposée est la lecture étroite à fort volume, la moitié durable est la responsabilité, les découvertes fortuites et les gestes, et la question ouverte est le volume — savoir si une imagerie moins chère en produit davantage. Posez cette question à ceux qui exercent déjà, et remarquez s'ils répondent par ce que leur service mesure réellement ou par ce qu'ils espèrent.

Écrit à ce sujet#

Ces textes raisonnent à partir des mêmes dossiers que contient cette page, et chacune de leurs sections nomme ce sur quoi elle repose.

  • Combien d'emplois l'IA a-t-elle réellement pris ?
  • Pourquoi personne ne peut vous dire combien de temps il reste

Méthode et sources#

Date d'évaluation
2026-09-12
Fondement des jugements de tâche
2 appuyés sur des preuves · 4 inférence de plateforme · 0 preuves insuffisantes
Événements vérifiés
4

Comment nous évaluons un métier →