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.

DemanderMétiersFilièresEntreprisesFondateursChangementsNotesMéthodeL'IA va-t-elle remplacer mon métier ?À proposDiagnostic de posteDonnées ouvertesOntologieVOLO ProConfidentialitéConditions
© 2026 VOLO
Guides
Demander à VOLOPour les entreprisesPour les fondateursChangements récentsTextesDiagnostic de postePremière expérience d'IAVOLO ProMéthode et preuvesÀ proposSuivre un métierRechercher
Métiers
Tous les métiers
IA / logiciel
Traducteur / InterprèteGuichetier bancaireRédacteur publicitaireModérateur de contenusConseiller de la relation clientAssistant administratifTesteur logiciel / ingénieur qualitéOpérateur de saisieGraphisteAssistant juridiqueMonteur vidéoComptable / Aide-comptableResponsable marketingDéveloppeur frontalPréparateur de déclarations / conseiller fiscalComédien de doublageCodeur médicalAnalyste de donnéesGestionnaire de sinistresRédacteur technique / ingénieur documentationDéveloppeur logiciel juniorSouscripteur d'assuranceRessources humaines / recruteurChargé de créditAnalyste financierAcheteur / spécialiste de la chaîne d'approvisionnementJournalisteCommercial / responsable de comptesAgent immobilierIngénieur réseauIllustrateurTechnicien de support informatiqueAuditeurPlanificateur de la chaîne d'approvisionnementConsultant en managementPhotographeDéveloppeur côté serveurChercheur en IADesigner produit / UXResponsable des systèmes de gestionResponsable d'exploitation e-commerceActuaireAnimateur et artiste VFXÉcrivain et auteurRadiologueIngénieur de donnéesChef de projetData scientistSténographe judiciaireRéviseur et correcteurAvocatAssistant médical / assistant de cliniqueÉconomiste de la constructionCréateur de contenuAnalyste quantitatifIngénieur en apprentissage automatiqueIngénieur logiciel expérimentéIngénieur DevOps / plateforme / SREAnalyste métierMusicien et compositeurChef de produitPharmacienResponsable des partenariats / du réseauAnalyste sécurité (SOC)Conseiller financier / conseiller en gestion de patrimoineInterprèteResponsable conformitéBibliothécaireArchitecteEncadrant de proximité / chef d'équipePsychologue / psychothérapeuteVendeur en magasinIngénieur génie civil / structureIngénieur électricien / électronicienIngénieur industrielAgent de sécuritéArchitecte d'intérieurEnseignant-chercheurConducteur de busAgent d'assuranceIngénieur mécanicienEnseignantMédecin généralistePilote de ligneServeur en restaurantManipulateur en radiologieMécanicien automobile / technicien véhiculePolicierÉchographisteMécanicien aéronautiqueContrôleur aérienVétérinaireKinésithérapeute / thérapeute en rééducationChirurgien-dentisteChirurgienOuvrier du bâtimentTravailleur socialInfirmier diplôméAide-soignantPlombierResponsable du déploiement de l'IA
RPA / libre-service
Agent d'accueil du service publicCoordinateur d'exploitationConducteur de métroRéceptionniste / accueilPréparateur en pharmacie
Robotique
Caissier / vendeur en magasinDocker de conteneursAgent d'entrepôtOpérateur de ligne d'assemblageTechnicien de laboratoire médicalActeur et mannequinSoudeurCuisinierAgent de nettoyageAgriculteurPompierPersonnel navigant commercialÉlectricien
Conduite autonome
Chauffeur VTC / taxiChauffeur routierLivreur / coursier
Filières
Toutes les filièresAnglais / Langues étrangèresInformatiqueComptabilitéPsychologieJournalisme / CommunicationFinanceDroitDesign de communication visuelleMarketingSoins infirmiersGestion d'entrepriseSciences de l'éducation et formation des enseignantsArchitectureAdministration publiqueMédecineManagement de l'hôtellerie et du tourismeÉconomieSystèmes d'information
Entrer en tant que :J'ai un emploiJe fais des étudesJe dirige une entrepriseJe construis quelque chose
Changements récents›Data scientist›2026-04-17
ContrainteAutomatisation cognitive2026-04-17

Les modèles devraient en principe faire l'objet d'une remise en question effective par des personnes ayant l'expertise, l'indépendance et l'autorité pour les modifier, selon les superviseurs bancaires américains, qui laissent l'IA générative et agentique hors champ

Data scientistpage du métier →
Date de l'événement / signalement
2026-04-17
Stade de la preuve
ContrainteUn échec, un retour en arrière, une réglementation ou un coût freine l'adoption. Cela peut abaisser une appréciation ou élargir son incertitude.
Tâches concernées
Remettre en question et auditer les modèles
Tester de façon indépendante le modèle de quelqu'un d'autre — s'il fonctionne, où il échoue, s'il traite certains groupes de façon inéquitable — et le documenter pour un régulateur ou un auditeur.
Nouvelle tâche✓ Appuyé sur des preuves
Où ceci s'applique
États-Unis. Les lignes directrices révisées des agences bancaires sur le risque de modèle remplacent la SR 11-7 de 2011. Elles indiquent que la remise en question effective est menée par des personnes ayant l'expertise appropriée pour conduire une remise en question critique et objective, une indépendance suffisante pour rester objectives, et la position et l'influence dans l'organisation nécessaires pour obtenir des changements ; elles précisent que les modèles d'IA générative et d'IA agentique ne relèvent pas de leur champ ; et elles indiquent ne pas fixer de normes contraignantes, de sorte que leur non-respect n'entraînera pas de critique de la part des superviseurs. Elles concernent surtout les organisations bancaires dont le total des actifs dépasse 30 milliards de dollars.
Ce que cela veut dire
La règle de remise en question d'un modèle est écrite autour d'une personne : quelqu'un d'expert, d'indépendant et d'assez haut placé pour obtenir le changement. Que les modèles d'IA les plus récents en soient pour l'instant exclus indique que les règles n'ont pas rattrapé la technique, non que la remise en question est passée à une machine.
Ce que cela ne montre pas encore
Des lignes directrices américaines non contraignantes pour les grandes banques ; elles ne mesurent ni combien de personnes font de la validation ni comment elle est faite.
Ce que vous pouvez vérifier
Ouvrez la SR 26-2 (Revised Guidance on Model Risk Management) et cherchez « Effective challenge is performed by individuals with the appropriate expertise ».
Cela change-t-il l'évaluation ?
Non. L'indice d'impact n'est jamais déplacé par un seul événement. Ce dossier n'a pas non plus changé de couche : les 1 jugement lié ci-dessus reposaient déjà sur des preuves antérieures. Celui-ci s'y ajoute.
Source
Board of Governors of the Federal Reserve System, OCC and FDIC — SR 26-2, Revised Guidance on Model Risk Management (April 17, 2026), superseding SR 11-7 · vérifié 2026-09-29 · Claude (VOLO agent) · interprété 2026-09-29 · Claude (VOLO agent)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.
Tous les changements pour Data scientist →Tous les changements récents →Comment un événement devient une preuve →