Dans le présent chapitre, l’équipe IA et avenir des compétences étudie les façons dont les décideurs pourraient s’appuyer sur les indicateurs de l’OCDE relatifs aux capacités des systèmes d’IA pour modéliser les conséquences des évolutions de l’IA dans de nombreux domaines. La première section décrit une approche consistant à exploiter les indicateurs afin d’évaluer comment l’IA transformera la demande professionnelle. Dans la seconde, l’OCDE présente la manière dont les responsables des politiques éducatives peuvent utiliser les indicateurs pour éclairer les débats sur la transformation des fonctions des enseignants, ainsi que les adaptations des objectifs pédagogiques auxquelles il faudra probablement procéder pour tenir compte de l’évolution de la demande en matière d’emploi.
Présentation des indicateurs de l’OCDE sur les capacités de l’IA
Description
L’IA progresse rapidement, mais toutes ses avancées n’auront pas de conséquences majeures sur la société et l’économie. Les indicateurs de l’OCDE sur les capacités de l’IA aident à déterminer où l’IA est susceptible d’initier des changements transformateurs. Si ces indicateurs sont trop larges pour évaluer des applications d’IA spécifiques, ils permettent de repérer de possibles tendances de fond dans l’évolution future des professions et de l’enseignement.
Comme ces indicateurs sont nouveaux, l’OCDE ne les a pas encore appliqués systématiquement. Ce chapitre décrit comment ils peuvent être utilisés pour cartographier la progression de l’IA vers les aptitudes humaines requises au travail. Il explore aussi la manière dont cette cartographie peut signaler de potentielles transformations dans le travail et les systèmes éducatifs, et donc orienter les débats politiques à l’avenir.
Pour évaluer la manière dont l’IA pourrait entraîner des changements transformateurs dans l’économie et la société, la première étape est de comprendre quelles professions – et quelles tâches au sein de ces professions – nécessitent des aptitudes que l’IA pourrait bientôt posséder. Cette analyse commence par mettre en lien les indicateurs de l’OCDE sur les capacités de l’IA avec des descriptions de professions et de tâches professionnelles pour en déduire des exigences.
Les indicateurs relatifs aux capacités de l’IA peuvent être directement reliés aux aptitudes exigées par différents métiers du monde réel. On peut pour ce faire comparer les descriptions des niveaux des neuf indicateurs aux descriptions des professions – soit en les considérant dans leur ensemble, soit en se concentrant sur certaines des tâches qui les composent. L’objectif est de déterminer le niveau de performance nécessaire pour effectuer un travail ou une tâche avec efficacité sur les échelles de chacun des indicateurs.
Le système américain O*NET s’y prête bien dans la mesure où il s’agit de l’une des plus grandes banques de caractéristiques professionnelles au monde. O*NET contient des données relatives à quelque 900 professions, et sa taxonomie a été partiellement adoptée ou comparée à celles utilisées par de nombreux autres pays. O*NET et les autres bases de données professionnelles fondées sur ce modèle comprennent un ensemble de caractéristiques professionnelles – p. ex. tâches détaillées, environnement de travail et aptitudes humaines requises – qui peuvent être directement comparées aux indicateurs.
Le présent chapitre entend illustrer cette approche en utilisant l’exemple du métier d’enseignant. Comme représenté dans le Graphique 4.1, une part substantielle de la profession d’enseignant nécessite des aptitudes relevant des niveaux supérieurs des échelles du langage, des interactions sociales et de la résolution de problèmes. Cela devient particulièrement évident quand on examine les exigences d’une tâche d’enseignement spécifique. La tâche O*NET « Adapter les méthodes d’enseignement et les supports pédagogiques pour répondre aux divers besoins et intérêts des élèves » s’appuie sur un éventail d’aptitudes décrites aux niveaux 4 et 5 des échelles du langage, de la résolution de problèmes et des interactions sociales. Ainsi, les enseignants doivent maîtriser les nuances de langage (langage et interactions sociales, niveau 5) pour communiquer des instructions claires et fournir des retours d’information sur mesure à des apprenants aux niveaux de performance, contextes culturels et styles d’apprentissage variés. Ils pratiquent en outre la résolution de problèmes lorsqu’ils doivent interpréter des interactions dans un environnement social complexe, repérer des obstacles individuels ou de groupe à la compréhension et élaborer des approches ciblées pour les surmonter (résolution de problèmes, niveau 4). Enfin, ils nouent des relations, maîtrisent l’ambiguïté et réagissent aux signaux émotionnels tout en entretenant une atmosphère positive qui contribue à maintenir la participation et la motivation chez les différents apprenants (interactions sociales, niveau 5). Il s’agit là d’exigences provisoires qui auraient besoin d’être affinées, notamment grâce à l’avis d’experts.
Ce type d’analyse peut être mobilisé à plus grande échelle à l’aide d’un processus en plusieurs étapes :
Une étude menée par des experts du métier sur un échantillon représentatif peut renseigner sur le niveau de performance requis pour exercer une profession ou exécuter une tâche.
Ces avis peuvent être étendus à toutes les professions et aux dizaines de milliers de tâches figurant dans O*NET et dans l’ESCO en utilisant des techniques d’IA et l’inférence statistique.
Une fois que les professions et les tâches qui les composent ont été reliées au niveau de performance requis sur les échelles des différents indicateurs, l’écart entre les capacités actuelles de l’IA et les aptitudes nécessaires pour exercer une profession ou exécuter une tâche peut être calculé. Ces estimations permettent de repérer les professions et les tâches que l’IA est capable d’assumer à différents niveaux. Le plus facile sera de recenser celles où l’IA possède toutes les capacités requises et qui ouvrent donc la voie à une automatisation complète ; mais il sera aussi possible de répertorier celles où l’IA possède seulement certaines des capacités requises, invitant ainsi à une collaboration entre l’humain et l’IA pour réunir des compétences complémentaires. Ces analyses peuvent ensuite servir à créer des instruments synthétiques pour mesurer l’effet que les différents profils de progression de l’IA sur les échelles sont susceptibles d’avoir sur les professions et l’économie dans son ensemble. Cartographier les indicateurs sur les capacités de l’IA en lien avec les exigences des professions et des tâches peut constituer le point de départ d’une analyse approfondie de l’évolution que pourraient connaître différentes tâches professionnelles en fonction des capacités actuelles et futures de l’IA. Celle‑ci impliquera un débat structuré avec les parties prenantes de la ou des professions concernées pour comprendre :
si la société souhaite que l’IA exécute une tâche en particulier ;
si des systèmes d’IA capables d’exécuter cette tâche existent déjà ou sont en cours d’élaboration ; et
quels ajustements seraient nécessaires pour que les humains travaillent avec les systèmes d’IA.
Le résultat se présenterait sous la forme de scénarios validés par le secteur lui-même, par les fournisseurs de services d’enseignement et de formation et par les spécialistes de l’IA. Ces scénarios illustreraient la manière dont les fonctions des enseignants et de certains autres adultes sont susceptibles d’être transformées. Cette méthodologie pourrait aussi s’appliquer à des profils de capacités dans différents pays et à un niveau infranational. Cela permettrait aux décideurs de définir les géographies qui sont plus ou moins susceptibles d’être exposées à l’IA et de proposer des solutions appropriées. Le chapitre 14 du volume technique (OCDE, 2025[1]) qui accompagne le présent rapport expose plus en détail l’approche de l’OCDE.
À titre d’exemple, l’Encadré 4.1 décrit un scénario dans lequel l’IA se situe à la moitié de l’échelle de la résolution de problèmes. Elle atteint un niveau de performance élevé lorsqu’elle résout des problèmes en lien avec les sciences naturelles, la médecine et l’ingénierie, mais elle affiche des capacités plus limitées en raisonnement et résolution de problèmes sociaux et éthiques ainsi que des capacités sensori-motrices modérées.
Pendant un été caniculaire, une maladie infectieuse très contagieuse transmise par les moustiques se déclare avant de se propager rapidement aux grandes villes du pays puis à l’international. Un système d’IA a repéré le problème en analysant des ensembles de données disparates et a recommandé aux autorités publiques de déclarer cette infection en tant que pandémie. Les centres médicaux, les établissements de recherche et les organisations gouvernementales lancent un programme collaboratif pour étudier la maladie et mettre au point un traitement et un vaccin.
Les systèmes d’IA continuent à suivre les nouvelles en ligne et les réseaux sociaux pour modéliser le mode de transmission de la maladie et ses symptômes avant qu’une collecte de données plus centralisée puisse démarrer. Ces informations aident à recenser des mesures de prévention et de lutte prometteuses que les autorités publiques pourraient adopter et mettre en œuvre, et à commencer à envisager des traitements efficaces.
Les systèmes d’IA conçoivent et mènent des expériences en coordonnant des dizaines de laboratoires de biologie moléculaire robotisés pour analyser les échantillons et les données recueillis partout dans le monde – en temps réel. Avant cet événement, les systèmes d’IA avaient été alimentés par la littérature biomédicale, c’est-à-dire par une énorme diversité de données issues de la recherche en biomédecine. Sur la base de ces connaissances, ils ont pu émettre des hypothèses quant aux chemins empruntés par le virus.
Après avoir classé ces hypothèses par ordre de priorité en s’appuyant sur les travaux connus, les équipes humaines mettent en œuvre des expériences ciblées chez la souris. En exploitant les résultats, un système d’IA découvre un lien intéressant avec une maladie neurologique rare et propose un traitement envisageable.
L’IA aide les pouvoirs publics de tous les pays à gérer leurs stocks de matériel médical pour garantir une distribution juste et efficace en réaction à la maladie. En outre, la découverte accélérée par l’IA est essentielle pour repérer le nouveau mécanisme d’action virale et concevoir un vaccin efficace. En quelques jours, des milliers de doses sont produites et distribuées ; la maladie est maîtrisée et les personnes touchées se remettent.
Source : adapté de (Gil et Selman, 2019[2]).
Dans ce scénario, les systèmes d’IA :
affichent de solides performances en extraction, suivi, analyse et interprétation de données et d’informations grâce à leur capacité à repérer les problèmes et aux efforts de recherche et développement ;
sont capables de recenser, d’appuyer et de concevoir des solutions à la fois dans le domaine des politiques publiques et dans celui des soins de santé ; et
peuvent fonctionner avec des systèmes complexes reposant sur les connaissances scientifiques et sur l’analyse de nouvelles données. Ils fonctionnent efficacement avec des modèles relevant de la biologie humaine et de la dynamique de l’écosystème dans son ensemble – y compris les interactions sociales et celles entre l’humain et la nature –, faisant ainsi preuve d’une capacité à raisonner à partir d’éléments concrets.
Le rôle des humains, par contraste, consiste à :
diriger les efforts publics et privés pour endiguer puis résoudre la crise une fois que la maladie est découverte ;
s’assurer que les protocoles de recherche expérimentaux de l’IA sont administrés et que les vaccins sont distribués efficacement après avoir été mis au point et produits par l’IA et les robots. Cela nécessite un éventail de compétences physiques, notamment manuelles et visuelles pour effectuer diverses activités de manipulation ; et
mettre à profit leurs compétences sociales et leur raisonnement éthique dans les tâches de gestion de crise et de coopération.
Sur la base des indicateurs et de l’analyse professionnelle ci-dessus, un nouveau cadre émerge pour examiner le potentiel de changements transformateurs dans l’enseignement (Graphique 4.2). Cet exemple se concentre sur le secteur éducatif en raison de sa pertinence pour un public intéressé par les politiques d’enseignement, mais il pourrait en principe être étendu à n’importe quel métier ou secteur économique. Ce cadre peut éclairer les décisions portant à la fois sur l’offre et la finalité de l’enseignement. Il peut orienter le débat sur la manière dont les pratiques pédagogiques sont susceptibles d’évoluer si l’IA surpasse les humains dans certaines tâches d’enseignement. Il permet aussi de répondre à des questions clés, par exemple quels sont les objectifs pédagogiques et les contenus de programmes qui devraient être conservés tels quels, supprimés, revus ou introduits – en fonction des capacités actuelles ou futures de l’IA.
Deux grands types de transformations potentielles de l’enseignement se dégagent.
Premièrement, si l’IA peut accomplir une part substantielle des tâches des enseignants, il est possible qu’elle transforme l’offre d’enseignement. Par exemple, si l’IA est capable de dispenser un enseignement ou de fournir un retour d’information de manière fiable, il se peut que la fonction traditionnelle des enseignants évolue vers le mentorat, la motivation ou la gestion de dynamiques interpersonnelles complexes. Une telle évolution pourrait redéfinir la manière dont l’enseignement est dispensé, et donc amorcer une transformation des dynamiques de classe, des interactions entre enseignants et élèves et de l’expérience pédagogique en général.
Deuxièmement, les objectifs pédagogiques des élèves sont liés aux types de tâches que la société attendra d’eux quand ils seront devenus adultes – au travail, dans leur communauté et dans leur vie quotidienne. Si l’IA peut désormais accomplir bon nombre de ces tâches, il faudra probablement que les systèmes éducatifs redéfinissent ce que les élèves doivent apprendre. Ces répercussions potentielles transparaissent déjà dans la capacité de l’IA à faire mieux que les élèves dans de nombreuses évaluations utilisées dans le secteur éducatif, comme le Programme international pour le suivi des acquis des élèves (PISA) de l’OCDE, qui évalue les compétences des jeunes de 15 ans. Par conséquent, certains objectifs actuels pourraient perdre en pertinence, tandis que d’autres – comme la créativité ou le jugement éthique – pourraient gagner en importance.
Bien sûr, ces changements ne sont pas seulement techniques. Ce sont aussi les valeurs de la société qui détermineront si la fonction d’enseignant doit être réduite ou revue pour certaines tâches et ce que les élèves doivent apprendre. Les indicateurs sur les capacités de l’IA et l’analyse professionnelle ci‑dessus ne répondent pas à ces questions de valeurs, mais ils peuvent mettre en évidence les domaines où des changements majeurs sont techniquement faisables et même vraisemblables.
Pour explorer ces possibilités en détail, l’OCDE aura recours à des analyses des fonctions des enseignants et des attentes vis-à-vis des élèves reposant sur des scénarios. Les résultats orienteront le débat sur la transformation potentielle des objectifs pédagogiques et des contenus des programmes. Le chapitre 14 du volume technique (OCDE, 2025[1]) qui accompagne le présent rapport examine plus avant la manière dont les responsables des politiques éducatives peuvent mettre à profit les indicateurs de l’OCDE sur les capacités de l’IA.
Les indicateurs relatifs aux capacités de l’IA présentés dans ce rapport fournissent un outil simple mais puissant pour évaluer la progression de l’IA vers les aptitudes humaines. Ces indicateurs sont alimentés par des données issues d’évaluations de l’IA et par des avis d’experts. Dans la mesure où ils décrivent les capacités de l’IA par rapport aux aptitudes humaines, ces indicateurs sont accessibles à un public non technique et fournissent un cadre clair permettant d’anticiper les conséquences des progrès de l’IA dans un éventail de domaines pertinents pour le travail et l’enseignement. Par ailleurs, cette comparaison avec les aptitudes humaines permet de mesurer la progression de l’IA vers une intelligence artificielle générale (IAG) et restera stable malgré la vitesse d’évolution des capacités de l’IA. En mettant en relation les performances de l’IA avec les exigences professionnelles et les objectifs pédagogiques du monde réel, ils nous aident à entrevoir où des changements majeurs sont susceptibles d’intervenir – et où les fonctions humaines resteront essentielles.
Ces indicateurs constituent aussi un précieux repère pour les chercheurs en IA, puisqu’ils les renseignent sur les types de capacités qu’il faudra tester pour suivre les progrès de l’IA, les approches actuelles d’évaluation comparative ayant commencé à montrer leurs limites. Enfin, ils fournissent un mécanisme par lequel les décideurs peuvent indiquer aux chercheurs en IA quels types de capacités doivent être évalués pour répondre aux inquiétudes sociétales, politiques et éthiques suscitées par l’évolution de l’IA.
Le travail présenté ici n’est qu’un début. Poussés plus loin, les indicateurs et les analyses qui en sont dérivées permettront aux décideurs de réagir aux évolutions rapides et déstabilisantes de l’IA en utilisant les informations claires et concises dont ils ont besoin pour tirer parti des immenses possibilités offertes par les systèmes d’IA avancés. L’OCDE continuera à développer et à mettre à jour les indicateurs, avec comme objectif d’en faire la première source internationale d’informations fiables sur les capacités de l’IA et leurs conséquences sur l’enseignement, le travail et la société civile.
Références
[2] Gil, Y. et B. Selman (2019), « A 20-year community roadmap for artificial intelligence research in the US », arXiv, vol. 1908.02624, https://arxiv.org/abs/1908.02624.
[1] OCDE (2025), AI and the Future of Skills Volume 3: The OECD AI Capability Indicators, Éditions OCDE, Paris.