ChatGPT, Gemini et Claude ne s'accordent pas sur les métiers appelés à disparaître

Les trois principaux modèles de langage, ChatGPT-5, Gemini 2.5 et Claude 4.5, livrent des estimations radicalement contradictoires des métiers et des secteurs qui souffriront le plus de l'automatisation par l'IA.

Les modèles ne se sont pas mis d'accord

Les chercheurs ont demandé à chaque modèle d'évaluer le degré d'exposition de différents métiers à l'intelligence artificielle. Les résultats divergent au point de remettre en question l'idée même d'un indice d'exposition universel.

ChatGPT a classé certains métiers à haut risque, Gemini en a retenu un ensemble totalement différent, et Claude a proposé une troisième liste. Les écarts sont particulièrement marqués pour les professions créatives, les postes techniques et les fonctions d'encadrement.

Là où un modèle plaçait le développeur en zone de risque élevé, un autre jugeait ce métier relativement protégé. Même constat pour les designers, les analystes et les consultants : les trois modèles envisagent leur avenir de manière totalement différente.

Pourquoi c'est dangereux pour les politiques publiques et l'économie

Ministères, gouvernements et grandes entreprises s'appuient sur ces indices pour planifier la reconversion de la main-d'œuvre, le développement de l'éducation et la politique sociale. Si trois modèles de référence envoient des signaux contradictoires, le risque d'une mauvaise allocation des ressources publiques devient bien réel.

Imaginons qu'un gouvernement investisse des milliards pour reconvertir des milliers de travailleurs dans certains domaines, sur la foi des prévisions de ChatGPT, alors que les suppressions d'emplois touchent en réalité des secteurs tout autres, comme l'avait prédit Claude. Les travailleurs se retrouveraient reconvertis dans un domaine inutile, tandis qu'une crise sociale frapperait en parallèle les secteurs non protégés.

• Les responsables politiques ne savent pas sur quel indice s'appuyer pour choisir les métiers à soutenir en priorité
• Les entreprises risquent de mal planifier leurs investissements dans l'automatisation en se fondant sur des prévisions contradictoires
• Les établissements d'enseignement ne savent pas quelles compétences former en priorité

Comment en est-on arrivé là

L'une des principales raisons tient aux architectures et aux données d'entraînement différentes de ces modèles. ChatGPT, Gemini et Claude ont été entraînés sur des corpus de textes distincts et n'ont pas la même taille : leurs estimations portent donc une coloration subjective. Chaque modèle interprète à sa manière ce qu'est l'« exposition à l'IA ».

Par ailleurs, les indices d'exposition sont, par nature, des outils grossiers. Ils tentent de réduire la réalité complexe de l'économie et de l'évolution technologique à un chiffre unique par métier. En pratique, l'impact de l'IA dépend de multiples facteurs : la région, le niveau de salaire, les spécificités de l'entreprise, le rythme d'adoption des technologies et la volonté politique des gouvernements.

Ce que cela signifie

Tant que l'on demandera à l'IA d'évaluer son propre impact sur l'économie, les résultats divergeront. Cela ne signifie pas que ces indices sont inutiles : il est simplement temps de les considérer comme un signal parmi d'autres, et non comme une vérité absolue.

Responsables politiques et employeurs doivent croiser les données de plusieurs modèles, analyser les facteurs locaux et ne pas se précipiter sur des décisions radicales fondées sur un seul indice.