- Outil de visualisation créé par Andrej Karpathy à partir des données du Bureau of Labor Statistics des États-Unis couvrant 342 professions et 143 millions d’emplois, afin de représenter la taille et les caractéristiques de l’emploi par métier
- La surface de chaque rectangle représente le volume d’emploi, et la couleur l’indicateur sélectionné (par ex. perspectives de croissance, salaire médian, niveau d’études, exposition à l’IA)
- Les utilisateurs peuvent cliquer sur une tuile métier pour ouvrir directement la page officielle du BLS
- Une fonction de coloration basée sur un LLM permet de calculer et visualiser un score par profession à partir d’un prompt personnalisé
- Il s’agit d’un outil de développement orienté exploration de données permettant de réanalyser les groupes de métiers selon divers critères, comme l’exposition à l’IA, l’impact de la robotique ou le risque de délocalisation
Aperçu
- Cet outil est un outil de recherche destiné à explorer visuellement les données du Occupational Outlook Handbook du Bureau of Labor Statistics
- Il inclut au total 342 professions et 143 millions d’emplois
- Chaque profession est affichée avec une surface proportionnelle à son niveau d’emploi, tandis que la couleur varie selon l’indicateur choisi
- Les indicateurs disponibles incluent le taux de croissance prévu, le salaire médian, les exigences de formation et l’exposition à l’IA
- En cliquant sur chaque tuile, il est possible d’accéder à la page détaillée du BLS pour la profession concernée
Fonction de coloration basée sur un LLM
- Le code source publié sur GitHub inclut un scraper, un parseur et un pipeline de prompts pour LLM
- Si l’utilisateur rédige lui-même un prompt, le LLM évalue chaque profession et génère automatiquement les couleurs de la treemap
- L’option « Digital AI Exposure » est un exemple estimant l’impact actuel de l’IA sur chaque profession
- Elle reflète le fait que l’IA progresse rapidement dans les domaines numériques
- L’utilisateur peut aussi rédiger des prompts selon d’autres critères, comme l’exposition aux robots humanoïdes, le risque de délocalisation ou l’impact climatique, afin de refaire l’analyse
Critères d’évaluation de « Digital AI Exposure »
- L’exposition à l’IA évalue de 0 à 10 dans quelle mesure une profession est susceptible d’être restructurée par l’IA
- Sont pris en compte à la fois l’impact direct (l’IA automatise le travail humain) et l’impact indirect (réduction des effectifs due aux gains de productivité)
- Les métiers à base numérique obtiennent des scores plus élevés
- Par exemple : rédaction, développement, analyse, communication, etc. obtiennent 7 points ou plus
- À l’inverse, les métiers nécessitant une présence physique ou du travail manuel obtiennent des scores plus faibles
Référentiel par tranche de score
- 0–1 point : travail presque entièrement physique, avec une influence minime de l’IA (ex. couvreur, paysagiste, plongeur commercial)
- 2–3 points : travail principalement physique ou relationnel, où l’IA n’assiste que les tâches périphériques (ex. électricien, plombier, pompier, hygiéniste dentaire)
- 4–5 points : métiers mêlant travail physique et travail intellectuel (ex. infirmier, policier, vétérinaire)
- 6–7 points : principalement du travail intellectuel, avec des gains de productivité possibles grâce à l’IA (ex. enseignant, manager, comptable, journaliste)
- 8–9 points : travail entièrement centré sur le numérique, susceptible de connaître des transformations structurelles à mesure que l’IA progresse (ex. développeur logiciel, graphiste, traducteur, analyste de données, assistant juridique, concepteur-rédacteur)
- 10 points : métiers de traitement de l’information à l’état pur, largement réalisables par l’IA (ex. opérateur de saisie, télévendeur)
Points d’attention
- Le score d’exposition à l’IA est une estimation du LLM et ne constitue ni une prévision réelle ni une perspective d’emploi
- Un score élevé ne signifie pas qu’un métier va disparaître, mais qu’il existe une probabilité de transformation des modes de travail
- Par exemple, un développeur logiciel est évalué à 9/10, mais l’IA pourrait aussi accroître la productivité au point de faire augmenter la demande
- Le score ne prend pas en compte des facteurs comme l’élasticité de la demande, la régulation ou les facteurs sociaux
- Pour de nombreux métiers à forte exposition, il est plus probable qu’il s’agisse d’une recomposition que d’un remplacement
Aucun commentaire pour le moment.