Économiste
| Salaire médian (USD) | 124720 |
|---|---|
| Croissance de l'emploi prévue (%) | 5 |
| Exposition à l'IA (%) | 46 |
| Exposition maximale (%) | 58 |
| Source | eloundou |
| Ce que l'IA change dans ce métier | La rédaction de la note économique, la compilation et la mise en forme des séries, la production des tableaux et des graphiques, l'estimation d'un modèle économétrique standard, la revue de littérature et le premier jet d'une prévision s'obtiennent désormais en quelques minutes avec un assistant : la chaîne qui va de la donnée brute à la note publiée — celle qui remplissait l'essentiel de la semaine d'un économiste d'étude — est la part qui se délègue en premier Les directions et les clients arrivent avec une analyse déjà produite par une IA, ce qui déplace la demande vers la vérification des hypothèses, de la spécification et de la solidité des conclusions ; la note conjoncturelle, le tableau de bord et l'étude descriptive s'auto-servent dans les organisations ; et l'économiste est appelé de plus en plus en amont, sur le cadrage de la question et la construction des données, plutôt qu'en aval sur le calcul Dire ce que le chiffre ne prouve pas, choisir la spécification qui répond réellement à la question, assumer une recommandation de politique publique devant un comité, une commission parlementaire ou un tribunal, et porter la responsabilité de la conclusion publiée devant ceux qui vont décider restent humains — c'est l'engagement sur l'interprétation, dans un métier où deux modèles honnêtes donnent deux chiffres différents, qui fait l'économiste |
| Compétences clés | Microéconomie et macroéconomie · économétrie et inférence causale · statistiques et traitement des données (Python, R, SQL) · construction et documentation de jeux de données · analyse coûts-avantages et évaluation des politiques publiques · prévision et modélisation · vérification de la spécification et des hypothèses · rédaction économique pour des décideurs non spécialistes · communication publique et témoignage · outils d'IA générative pour la revue de littérature, le code et la rédaction |
| Formations pour prendre l'avance | Principes de microéconomie · Coursera (University of Illinois Urbana-Champaign) · 9 h au total · 90 · Le socle que l'IA ne remplace pas : construire un raisonnement à partir d'incitations, de coûts d'opportunité et d'équilibres, puis expliquer pourquoi un résultat contre-intuitif tient. C'est exactement ce qui distingue l'économiste d'un producteur de tableaux — un assistant écrit la régression, il ne dit pas si le mécanisme qu'elle mesure est le bon. Comprendre l'élaboration des politiques économiques · Coursera (IE Business School) · 6 semaines, 2 à 3 h/semaine · 86 · Le versant qui reste humain : lire une politique publique, en estimer les effets et arbitrer entre des objectifs contradictoires — croissance, inflation, emploi, redistribution. Le cours couvre la partie de la fiche où l'économiste engage une recommandation devant des décideurs, celle que le ζ de 58 % rend transformable sans la rendre délégable. L'IA pour tous · Coursera (DeepLearning.AI) · 4 semaines, 2 à 3 h/semaine · 84 · Pour arbitrer ce qu'on délègue et ce qu'on garde : le cours explique ce que l'IA générative sait faire, où elle échoue et comment cadrer un projet qui l'utilise. Un économiste dont la compilation, le code et le premier jet partent en quelques minutes doit savoir ce que ces outils produisent réellement — et ce qu'ils ne peuvent pas engager. Marchés financiers · Coursera (Yale University) · 7 semaines, 3 à 4 h/semaine · 82 Méthodes quantitatives · Coursera (University of Amsterdam) · 8 semaines, 4 à 5 h/semaine · 80 Théorie des jeux · Coursera (Stanford Online) · 2 semaines à 10 h/semaine · 78 |
| Métiers vers lesquels pivoter | Analyste en recherche opérationnelle · 88940 · 12 · 63 Analyste financier · 103570 · 7 · 50 Urbaniste · 89320 · 4 · 58 |
| Compétences à acquérir pour le pivot | Eloundou mesure l'exposition de l'économiste à 46 % (β humain) et jusqu'à 58 % (ζ humain) : la compilation et la présentation des données, l'étude des séries de son domaine, l'évaluation des répercussions des politiques publiques, la révision des documents d'autres auteurs et la mise au point des normes et des prévisions se délèguent largement, mais l'avis rendu à une entreprise ou à une agence, la recommandation de politique, l'explication au public, la recherche publiée et le témoignage devant une commission restent humains. Dans le référentiel, 46 place l'économiste au 42e rang des quatre-vingt-quatorze métiers : quarante et un métiers ont une exposition supérieure, cinquante-deux une exposition inférieure, aucun n'est à égalité, et ses plus proches voisins sont le professeur d'université (47) juste au-dessus et le développeur (45) juste en dessous. Son ζ de 58 le situe au 54e rang, à égalité avec l'acheteur (58), derrière le technicien en pharmacie (62) et devant l'infirmière (57). L'explication est directe : le métier produit un livrable écrit — une note, un modèle, une prévision — que la machine produit désormais aussi, mais il engage une interprétation et une responsabilité que la machine n'engage pas ; c'est pourquoi sa série auto-évaluée par GPT-4 (β 50, ζ 100) est conservée dans expositionGpt4 et n'est pas affichée, conformément à la décision du 21 août 2026. Le BLS projette une croissance de 5 % de l'emploi des économistes de 2025 à 2035, plus rapide que la moyenne de l'ensemble des métiers, avec environ 1 100 ouvertures par année sur la décennie : les 18 600 emplois de 2025 augmenteraient de 900. Le moteur invoqué est la demande d'analyse quantitative — les organisations se tournent vers les économistes pour appliquer l'analyse des mégadonnées aux prix, à la publicité et à d'autres domaines — et l'emploi reste concentré dans le secteur public : O*NET rattache 52 % des postes au gouvernement, 23 % aux services scientifiques et techniques et 10 % à la finance et à l'assurance. La lecture diffère selon le millésime : O*NET, qui reprend les projections 2024-2034 du BLS, qualifie la croissance de « plus lente que la moyenne (1 % à 2 %) » pour 17 600 salariés en 2024 et 900 ouvertures projetées, alors que la page de l'Occupational Outlook Handbook publiée en août 2026 donne 5 % pour 2025-2035 ; les deux chiffres sont cités ici parce qu'ils viennent tous deux du BLS, et l'écart tient à la période de projection. Le ζ de 58 % dit qu'un peu plus de la moitié du métier est au moins partiellement transformable : ce qui protège l'emploi n'est pas un abri technique, mais le fait que la décision d'embaucher tient à une interprétation qu'un modèle ne peut pas assumer. Le salaire médian du métier est de 124 720 $ US par année, chiffre de mai 2025 du BLS publié sur la page « Economists » de l'Occupational Outlook Handbook — 59,96 $ l'heure, avec 10 % des salariés sous 67 360 $ et 10 % au-dessus de 238 060 $. Le même relevé montre l'effet de l'employeur : 144 680 $ dans l'administration fédérale, 141 010 $ dans le conseil en gestion et en services scientifiques et techniques, 139 880 $ en recherche-développement scientifique, 100 370 $ dans les administrations locales et 78 080 $ dans les administrations d'État. Pour situer, dans la même photographie de mai 2025 : l'ensemble des métiers est à 50 980 $ et le groupe des scientifiques sociaux à 97 900 $ ; les trois pivots de cette fiche — analyste en recherche opérationnelle (88 940 $, +12 %), analyste financier (103 570 $, +7 %) et urbaniste (89 320 $, +4 %) — viennent chacun de sa propre page du BLS. Le métier demande le plus souvent une maîtrise (50 % des répondants O*NET), parfois un doctorat (25 %), rarement le seul baccalauréat (21 %) ; O*NET le classe en « Job Zone Five : préparation étendue » et ne lui accorde pas le label Bright Outlook. Le plafond de rémunération passe par le conseil économique de haut niveau, la direction d'un service d'études ou la finance, pas par le volume de notes produites. Chaque valeur de cette fiche vient d'une source nommée ; seules les parts des tâches, dérivées des scores d'importance O*NET, et les scores des formations sont des estimations éditoriales, documentées dans _ponderation. |
| Exposition mesurée sur GPT-4 — bêta / zêta (%) | 50 · 100 |