Les règles de ChatGPT, Gemini et Claude ont largement surestimé l’élimination des professions par l’IA, alors que les scientifiques doutent de leur fiabilité.

Idée clé de l’étude

Des économistes de l’Université du Nord-Ouest et de l’Université américaine ont découvert que les trois plus grands modèles linguistiques d'IA (ChatGPT‑5, Gemini 2.5 et Claude 4.5) évaluent différemment quelles professions sont à risque d'automatisation. Cela remet en question la fiabilité des « indices de vulnérabilité IA » – des indicateurs numériques que les décideurs et les employeurs utilisent pour planifier l'avenir du marché du travail.

1. Méthodologie
Étape Ce qu'ils faisaient Objectif Demande aux modèles d'évaluer la vulnérabilité des professions face à l'IA Comparaison des réponses Alignement des évaluations entre elles et avec les données réelles Analyse des divergences Identification de deux facteurs clés : différences entre les modèles eux-mêmes et l'influence de ceux qui utilisent déjà l'IA.

2. Résultats
Profession Claude 4.5 Gemini 2.5 ChatGPT‑5 Comptable Haute vulnérabilité Faible Moyenne Gestionnaire publicitaire — Dirigeant de haut niveau —
* Divergences

- Claude place le comptable en tête, Gemini beaucoup plus bas.

- Les évaluations des gestionnaires publicitaires et des cadres supérieurs diffèrent également.

- ChatGPT et Gemini coïncident à près de 75 % des cas, mais divergent d'environ un quart.

* Influence des « utilisateurs IA »

Les analystes financiers travaillent activement avec les réseaux neuronaux, créant les données sur lesquelles les futures modèles sont entraînés. Cela biaise les évaluations et rend les professions déjà étroitement liées à l'IA plus vulnérables aux yeux des modèles.

3. Construction des indices de vulnérabilité
1. Manuelle – les experts évaluent l’impact de l’IA sur des tâches spécifiques.

2. Sondages utilisateurs – recueillent les avis de ceux qui utilisent déjà la plateforme.

3. Les grands modèles linguistiques (LLM) – génèrent automatiquement des évaluations.

* Problèmes :

- La méthode manuelle est sujette à la subjectivité.

- Les sondages sont limités à une seule plateforme et ne reflètent pas l'ensemble du marché.

Néanmoins, ces indices sont largement utilisés dans les rapports d'analyse, le conseil et la politique.

4. Implications pratiques
* Fiabilité des évaluations – on ne sait pas encore si les LLM donnent des prévisions plus précises que les méthodes expertes.

* Risque de décisions basées sur un seul indicateur – les auteurs avertissent que les décideurs et employeurs pourraient se fier à tort à des chiffres univoques.

5. Recommandations des chercheurs
1. Utiliser plusieurs modèles IA simultanément, pas qu'un seul.

2. Indiquer clairement le niveau d'incertitude dans les résultats.

3. Confirmer les conclusions par des sondages auprès d'utilisateurs réels pour comprendre comment l'IA est réellement déployée et quelles tâches elle accomplit.

> « Personnellement, je ne compterais pas sur un seul indicateur pour décider de changer de travail ou choisir une spécialité », note Michelle Yin.

Conclusion :

Les indices actuels de vulnérabilité IA nécessitent une approche plus critique. La combinaison de multiples modèles et de données empiriques aidera à rendre les prévisions plus fiables et à éviter des décisions erronées fondées sur des évaluations unilatérales.