Statisticien
| Salaire médian (USD) | 105650 |
|---|---|
| Croissance de l'emploi prévue (%) | 10 |
| Exposition à l'IA (%) | 71 |
| Exposition maximale (%) | 95 |
| Source | eloundou |
| Ce que l'IA change dans ce métier | Le nettoyage et la pondération des données brutes, le calcul des estimations et des intervalles de confiance, la production des graphiques et des tableaux, la rédaction du rapport standard et le code de modélisation s'obtiennent désormais en quelques minutes avec un assistant : la chaîne de production statistique — de la donnée brute au tableau final — est la part qui se délègue en premier Les demandeurs arrivent avec une analyse déjà produite par une IA, ce qui déplace le travail vers la vérification de la méthode, des hypothèses et de la validité des conclusions ; les analyses courantes — tableaux de bord, tests A/B, statistiques descriptives — s'auto-servent dans les équipes ; et le statisticien est appelé de plus en plus en amont, sur la question et le plan d'étude, plutôt qu'en aval sur le calcul Décider si la méthode est valide pour la question posée, juger si les données peuvent soutenir la conclusion qu'on veut en tirer, concevoir l'étude et l'échantillonnage, dire « ce résultat ne prouve pas cela » quand l'analyse est ambiguë, et porter la responsabilité du chiffre publié devant une revue par les pairs, un régulateur ou un essai clinique restent humains — c'est l'engagement sur la validité qui fait le statisticien |
| Compétences clés | Théorie des probabilités et inférence statistique · conception d'études et plans d'expérience · échantillonnage, redressement et pondération · modélisation statistique (régression, séries temporelles, modèles bayésiens, modèles mixtes) · R, Python et SQL · vérification des hypothèses et contrôle de la qualité des données · communication des résultats à des non-spécialistes · rédaction technique et reproductibilité de l'analyse · outils d'IA générative pour le nettoyage, le code et la production des graphiques |
| Formations pour prendre l'avance | Inférence statistique · Coursera (Johns Hopkins University) · Environ 18 h au total · 92 · Le cours qui porte la part que l'IA ne prend pas : estimer un paramètre, construire un intervalle de confiance, poser et tester des hypothèses, et surtout savoir quand l'inférence est valide. C'est le geste que le statisticien doit pouvoir défendre devant un client, un régulateur ou une revue — un modèle de langue produit l'intervalle, il ne comprend pas pourquoi l'hypothèse qui le fonde est violée. Statistiques bayésiennes : du concept à l'analyse de données · Coursera (University of California, Santa Cruz) · 4 semaines, 2 à 5 h/semaine · 88 · La méthode que le statisticien est de plus en plus appelé à trancher : choisir un a priori, justifier un modèle, mettre à jour une croyance à partir des données et expliquer ce que le résultat signifie. Le cours vient d'une université qui l'enseigne à ses propres étudiants et couvre le versant du métier où l'on décide de la méthode — celui que le ζ de 95 % rend critique. L'IA pour tous · Coursera (DeepLearning.AI) · Environ 7 h au total · 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 statisticien dont le nettoyage, le code et les graphiques partent en quelques minutes doit savoir ce que ces outils produisent réellement — et ce qu'ils ne peuvent pas valider. Introduction aux statistiques · Coursera (Stanford Online) · Environ 6 à 8 h au total · 82 Introduction à R · Coursera (Johns Hopkins University) · Environ 25 h au total · 80 SQL pour la science des données · Coursera (University of California, Davis) · 4 semaines, 3 à 5 h/semaine · 78 |
| Métiers vers lesquels pivoter | Scientifique des données · 120230 · 35 · 59 Analyste en recherche opérationnelle · 88940 · 12 · 63 Actuaire · 130000 · 9 · 54 |
| Compétences à acquérir pour le pivot | Eloundou mesure l'exposition du statisticien à 71 % (β humain) et jusqu'à 95 % (ζ humain) : la préparation et la pondération des données brutes, le traitement de gros volumes, le code de modélisation, la production des graphiques et des tableaux et la rédaction du rapport standard se délèguent largement, mais le choix de la méthode valide pour la question posée, l'évaluation des procédures employées, l'interprétation d'un résultat ambigu et la conception de l'étude restent humains. Dans le référentiel, 71 place le statisticien au troisième rang des quatre-vingt-treize métiers, derrière le rédacteur / auteur (81) et le traducteur / interprète (84) : quatre-vingt-dix des quatre-vingt-douze métiers déjà publiés sont en dessous, et le plus proche voisin est le service client (70), juste devant le mathématicien (69), l'agent d'imposition, le programmeur et le concepteur web (68). Son ζ de 95 % le met dans le peloton de tête, aux côtés du courtier hypothécaire, du conseiller financier et de l'ingénieur de données (95), derrière les cinq métiers à 100 (rédacteur / auteur, mathématicien, concepteur web, correcteur, analyste en cybersécurité). L'explication est directe : le métier produit un livrable — un chiffre, une table, un graphique — que la machine produit désormais aussi, mais il engage une validité que la machine ne peut pas engager. La série auto-évaluée par GPT-4 (β 79, 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 10 % de l'emploi des mathematicians and statisticians de 2025 à 2035, plus rapide que la moyenne de l'ensemble des métiers, avec environ 2 000 ouvertures par année sur la décennie et 33 500 emplois en 2025 ; le chiffre est celui du groupe combiné, car le BLS ne publie pas de projection séparée pour les statisticiens — seuls les salaires des deux professions sont distingués sur la page. O*NET, de son côté, situe l'emploi à 32 200 personnes en 2024, avec 2 000 ouvertures projetées sur 2024-2034 et une croissance qualifiée de « bien plus rapide que la moyenne (7 % ou plus) », et marque la fiche d'un « Bright Outlook ». Le moteur est la demande d'analyse : entreprises, administrations, laboratoires et assurances traitent des volumes de données qui exigent des estimateurs défendables, et le BLS rattache explicitement le métier aux secteurs des services scientifiques et techniques et à celui du gouvernement. Le ζ de 95 % dit que presque tout le métier est au moins partiellement transformable ; ce qui protège l'emploi n'est donc pas un abri technique, mais le fait que la décision d'embaucher tient à la responsabilité de la conclusion — un chiffre publié doit pouvoir être défendu, et un modèle ne le défend pas. Le salaire médian du métier est de 105 650 $ US par année, chiffre de mai 2025 du BLS publié sur la page « Mathematicians and Statisticians » de l'Occupational Outlook Handbook — 50,79 $ l'heure, avec 10 % des salariés sous 64 000 $ et 10 % au-dessus de 174 050 $. La même page donne le médian du groupe combiné (105 720 $, soit 50,83 $ l'heure) et celui des mathématiciens (126 710 $) : le BLS distingue les salaires des deux professions mais pas leur projection d'emploi. Pour situer, dans la même photographie de mai 2025 : le scientifique des données à 120 230 $ (+35 %), l'analyste en recherche opérationnelle à 88 940 $ (+12 %) et l'actuaire à 130 000 $ (+9 %) — les trois pivots de cette fiche, chacun tiré de sa propre page du BLS. Le métier demande le plus souvent une maîtrise en statistique ou en biostatistique ; O*NET le classe en « Job Zone Five : préparation étendue », et sa fiche 15-2041.00 confirme le même médian de 105 650 $ (50,79 $ l'heure) ainsi que 32 200 salariés en 2024. Le plafond de rémunération passe par la biostatistique en essais cliniques, la modélisation de risque ou la direction d'une équipe d'analyse. 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 (%) | 79 · 100 |