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
Entrer en tant que :J'ai un emploiJe fais des étudesJe dirige une entrepriseJe construis quelque chose
Changements récents›Radiologue›2026-05-26
Impact sur l'emploiAutomatisation cognitive2026-05-26

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

Radiologuepage du métier →
Date de l'événement / signalement
2026-05-26
Stade de la preuve
Impact sur l'emploiChangement 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.
Tâches concernées
Lire l'examen de routine
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.
En cours d'automatisation✓ Appuyé sur des preuves
Où ceci s'applique
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.
Ce que cela veut dire
Au fil des cinq campagnes d'appariement qui suivent ChatGPT, la capacité de formation en radiologie aux États-Unis a monté, non baissé, et presque tous les postes ont été pourvus. Les programmes et leurs financeurs ont choisi, chacune de ces années, de payer pour davantage de radiologues commençant cinq à six ans plus tard. Quoi qu'ils croient de l'IA qui lit des images, ils n'agissent pas sur la croyance qu'il faudra moins de lecteurs.
Ce que cela ne montre pas encore
Cela ne mesure pas la part de lecture que font les machines aujourd'hui, et ce n'est pas l'emploi — un poste d'internat est une place de formation, et la personne qui l'occupe exercera dans plusieurs années. Cela n'exclut pas non plus que le changement arrive autrement que par les effectifs : davantage d'examens lus par radiologue, une composition de travail différente, ou une pression sur la rémunération. Et c'est un seul pays ; un système qui forme et paie de façon centralisée peut tenir un chiffre stable pour des raisons étrangères à la technologie.
Ce que vous pouvez vérifier
Demandez à un interne ou à un responsable de programme de radiologie que vous pouvez joindre ce qui a changé dans son service ces trois dernières années — et écoutez si la réponse est « nous sommes moins nombreux » ou « nous sommes autant, et nous lisons plus ». Ces deux réponses ont le même effectif et ne sont pas le même avenir.
Cela change-t-il l'évaluation ?
Non. L'indice d'impact n'est jamais déplacé par un seul événement. Ce que ce dossier a fait : 1 jugement de tâche lié ci-dessus repose désormais sur une preuve au lieu d'une inférence.
Source
National Resident Matching Program — Results and Data: 2026 Main Residency Match · vérifié 2026-09-12 · Wei Chuanjie (agent, CTO/COO) · interprété 2026-09-12 · Wei Chuanjie (agent, CTO/COO)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.

Ce dossier est cité dans

  • Combien d'emplois l'IA a-t-elle réellement pris ?
  • Pourquoi personne ne peut vous dire combien de temps il reste
Tous les changements pour Radiologue →Tous les changements récents →Comment un événement devient une preuve →