{"id":36131,"date":"2026-05-01T09:24:36","date_gmt":"2026-05-01T09:24:36","guid":{"rendered":"https:\/\/aisuperior.com\/?p=36131"},"modified":"2026-05-01T09:24:36","modified_gmt":"2026-05-01T09:24:36","slug":"will-ai-replace-statisticians","status":"publish","type":"post","link":"https:\/\/aisuperior.com\/fr\/will-ai-replace-statisticians\/","title":{"rendered":"L\u2019IA remplacera-t-elle les statisticiens\u00a0? Perspectives d\u2019emploi pour 2026"},"content":{"rendered":"

R\u00e9sum\u00e9 rapide\u00a0: <\/b>L'IA ne remplacera pas enti\u00e8rement les statisticiens. Si l'automatisation prend en charge les t\u00e2ches routini\u00e8res, les statisticiens apportent des comp\u00e9tences irrempla\u00e7ables\u00a0: jugement contextuel, raisonnement \u00e9thique, expertise du domaine et capacit\u00e9 \u00e0 formuler des questions de recherche novatrices. Le Bureau des statistiques du travail pr\u00e9voit une croissance de plus de 301\u00a0000 \u00e0 3\u00a0000\u00a0000 emplois de statisticiens d'ici 2034, aliment\u00e9e par le d\u00e9veloppement m\u00eame de l'IA. L'avenir est \u00e0 la collaboration\u00a0: des statisticiens qui exploitent les outils d'IA tout en assurant une supervision humaine essentielle.<\/span><\/p>\n

 <\/p>\n

La question revient sans cesse dans les couloirs universitaires, sur LinkedIn et lors des s\u00e9ances d'orientation professionnelle\u00a0: l'intelligence artificielle remplacera-t-elle un jour les statisticiens\u00a0? C'est une pr\u00e9occupation l\u00e9gitime. Les syst\u00e8mes d'IA traitent aujourd'hui des ensembles de donn\u00e9es dont l'analyse aurait n\u00e9cessit\u00e9 des mois de travail pour des \u00e9quipes humaines. Les mod\u00e8les d'apprentissage automatique d\u00e9tectent des tendances invisibles aux m\u00e9thodes traditionnelles.<\/span><\/p>\n

Mais voil\u00e0 le hic : la r\u00e9ponse n'est pas un simple oui ou non.<\/span><\/p>\n

La r\u00e9alit\u00e9 est plus nuanc\u00e9e et, franchement, plus int\u00e9ressante que ne le laisse entendre cette vision binaire. L'IA transforme le travail statistique, elle ne le supprime pas. Et les donn\u00e9es r\u00e9v\u00e8lent une r\u00e9alit\u00e9 qui pourrait surprendre tous ceux qui parient sur un remplacement total.<\/span><\/p>\n

Ce que les donn\u00e9es sur l'emploi r\u00e9v\u00e8lent r\u00e9ellement<\/span><\/h2>\n

Avant de tirer des conclusions h\u00e2tives sur l'obsolescence, consultez les chiffres provenant de sources fiables.<\/span><\/p>\n

Selon le Bureau des statistiques du travail, le salaire annuel m\u00e9dian des statisticiens \u00e9tait de 103\u00a0300 $ en mai 2024. Ce n'est pas l'\u00e9volution salariale d'une profession menac\u00e9e de disparition. Plus r\u00e9v\u00e9lateur\u00a0? Les perspectives d'emploi.<\/span><\/p>\n

Le Bureau des statistiques du travail pr\u00e9voit que l'emploi des statisticiens augmentera de 81 000 milliards de dollars entre 2024 et 2034, principalement gr\u00e2ce \u00e0 l'expansion des secteurs de l'IA et de l'automatisation. Relisez bien : l'adoption de l'IA est en plein essor. <\/span>cr\u00e9er<\/span><\/i> La demande de statisticiens, et non leur destruction.<\/span><\/p>\n

Le tableau d'ensemble de l'emploi montre que l'emploi total aux \u00c9tats-Unis passera de 170 millions en 2024 \u00e0 175,2 millions en 2034, soit une augmentation de 3,11 billions de dollars. La croissance du nombre de statisticiens, sup\u00e9rieure \u00e0 301 billions de dollars, d\u00e9passe largement l'expansion g\u00e9n\u00e9rale du march\u00e9 du travail.<\/span><\/p>\n

En mai 2023, les secteurs employant le plus de statisticiens comprenaient la recherche et le d\u00e9veloppement scientifiques (5\u00a0460 postes avec un salaire annuel moyen de 124\u00a0310\u00a0$) et les administrations f\u00e9d\u00e9rales, \u00e9tatiques et locales. Ces secteurs ne r\u00e9duisent pas leurs effectifs de statisticiens\u00a0; au contraire, ils les augmentent.<\/span><\/p>\n

\u00c9valuation des risques li\u00e9s \u00e0 l'automatisation\u00a0: que peut-on r\u00e9ellement remplacer\u00a0?<\/span><\/h2>\n

Toutes les t\u00e2ches statistiques ne subissent pas la m\u00eame pression d'automatisation.<\/span><\/p>\n

L'analyse de willrobotstakemyjob.com situe les statisticiens face \u00e0 un risque d'automatisation mod\u00e9r\u00e9 (48%), combinant une \u00e9valuation algorithmique calcul\u00e9e (52%) et un sondage aupr\u00e8s des utilisateurs (44% bas\u00e9 sur 530 votes). Cette qualification de mod\u00e9r\u00e9 est importante.<\/span><\/p>\n

Que signifie \u00ab mod\u00e9r\u00e9 \u00bb en termes pratiques ?<\/span><\/p>\n

\"Les<\/p>\n

 <\/p>\n

Les t\u00e2ches routini\u00e8res sont soumises \u00e0 une forte pression. Nettoyage des donn\u00e9es, tests statistiques standard sur des ensembles de donn\u00e9es structur\u00e9s et g\u00e9n\u00e9ration de rapports\u00a0: l\u2019IA s\u2019en charge de plus en plus efficacement. Certains logiciels g\u00e9n\u00e8rent d\u00e9j\u00e0 automatiquement des statistiques descriptives et des visualisations de base.<\/span><\/p>\n

Mais le travail statistique va bien au-del\u00e0 du calcul m\u00e9canique.<\/span><\/p>\n

D'apr\u00e8s les analyses, l'originalit\u00e9 \u2013 la capacit\u00e9 \u00e0 concevoir de nouvelles approches analytiques pour des probl\u00e8mes in\u00e9dits \u2013 figure parmi les qualit\u00e9s difficiles \u00e0 automatiser. Les statisticiens sont r\u00e9guli\u00e8rement confront\u00e9s \u00e0 des situations sans m\u00e9thodologie \u00e9tablie. Aucun jeu de donn\u00e9es d'entra\u00eenement ne pr\u00e9pare l'IA \u00e0 des questions de recherche v\u00e9ritablement novatrices.<\/span><\/p>\n

Pourquoi les statisticiens poss\u00e8dent des comp\u00e9tences irrempla\u00e7ables<\/span><\/h2>\n

Les discussions entre statisticiens en exercice mettent en lumi\u00e8re des capacit\u00e9s qui r\u00e9sistent \u00e0 l'automatisation.<\/span><\/p>\n

Une exp\u00e9rience sp\u00e9cialis\u00e9e qui d\u00e9fie toute reproduction<\/span><\/h3>\n

Les statisticiens professionnels soulignent la difficult\u00e9 de reproduire quinze ann\u00e9es d'exp\u00e9rience sp\u00e9cifique \u00e0 un domaine. Chaque statisticien d\u00e9veloppe une approche unique de r\u00e9solution de probl\u00e8mes, fa\u00e7onn\u00e9e par des milliers de projets, de cas particuliers et de contextes sp\u00e9cifiques.<\/span><\/p>\n

Les probl\u00e8mes statistiques peuvent sembler standardis\u00e9s \u00e0 premi\u00e8re vue \u2014 effectuer une r\u00e9gression, tester la significativit\u00e9, construire un mod\u00e8le. Mais le contexte transforme tout.<\/span><\/p>\n

L'analyse d'un essai clinique exige des consid\u00e9rations diff\u00e9rentes de celles n\u00e9cessaires \u00e0 la mod\u00e9lisation de l'attribution marketing, elle-m\u00eame diff\u00e9rente des pr\u00e9visions \u00e9conom\u00e9triques. L'application d'une m\u00eame m\u00e9thode statistique \u00e0 ces deux domaines requiert des appr\u00e9ciations totalement diff\u00e9rentes quant aux hypoth\u00e8ses, aux facteurs de confusion et \u00e0 l'interpr\u00e9tation.<\/span><\/p>\n

L'IA entra\u00een\u00e9e sur des manuels de statistiques et des articles publi\u00e9s ne tire pas profit des connaissances tacites acquises en observant les \u00e9checs d'analyses en production, en d\u00e9couvrant des probl\u00e8mes de qualit\u00e9 des donn\u00e9es en cours de projet ou en g\u00e9rant les contraintes des parties prenantes que les manuels n'\u00e9voquent jamais.<\/span><\/p>\n

Le probl\u00e8me de l'intuition<\/span><\/h3>\n

Les statisticiens exp\u00e9riment\u00e9s d\u00e9veloppent un sixi\u00e8me sens pour d\u00e9celer les probl\u00e8mes avant m\u00eame qu'ils ne se mat\u00e9rialisent pleinement.<\/span><\/p>\n

Ce sentiment lorsqu'un jeu de donn\u00e9es para\u00eet \u201c trop propre \u201d. La suspicion qu'une variable particuli\u00e8re puisse \u00eatre un facteur de confusion avant m\u00eame d'effectuer des diagnostics. L'intuition que la question de recherche d'un client, telle qu'elle est formul\u00e9e, ne r\u00e9pondra pas r\u00e9ellement \u00e0 son probl\u00e8me m\u00e9tier sous-jacent.<\/span><\/p>\n

Cette intuition d\u00e9coule de la reconnaissance de sch\u00e9mas r\u00e9currents dans des milliers de projets, dont beaucoup impliquent des probl\u00e8mes rares qui n'appara\u00eetront jamais dans les donn\u00e9es d'entra\u00eenement des IA. Les statisticiens r\u00e9solvent r\u00e9guli\u00e8rement des probl\u00e8mes si sp\u00e9cifiques \u00e0 des contextes organisationnels particuliers qu'aucune IA g\u00e9n\u00e9raliste ne sera confront\u00e9e \u00e0 des cas similaires.<\/span><\/p>\n

Un statisticien en exercice a fait remarquer que de nombreux probl\u00e8mes sont en r\u00e9alit\u00e9 rares, survenant dans des combinaisons uniques de domaine, de structure de donn\u00e9es et de besoins analytiques qui ne seront peut-\u00eatre jamais document\u00e9es sous une forme accessible.<\/span><\/p>\n

Combinaison de plusieurs modes de raisonnement<\/span><\/h3>\n

Le travail statistique exige une combinaison de raisonnement philosophique, de logique formelle, d'abstraction symbolique et de rigueur math\u00e9matique. Cette int\u00e9gration demeure un d\u00e9fi pour les syst\u00e8mes d'IA actuels.<\/span><\/p>\n

Les statisticiens doivent se poser des questions telles que\u00a0: Cette corr\u00e9lation refl\u00e8te-t-elle une relation de cause \u00e0 effet\u00a0? Quelles hypoth\u00e8ses formule-je implicitement\u00a0? Comment un biais de s\u00e9lection pourrait-il fausser ces r\u00e9sultats\u00a0? Cette association est-elle scientifiquement pertinente malgr\u00e9 sa signification statistique\u00a0?<\/span><\/p>\n

Ces questions exigent de passer ais\u00e9ment du formalisme math\u00e9matique au raisonnement conceptuel sur les syst\u00e8mes du monde r\u00e9el. L'IA excelle dans la reconnaissance de formes au sein de cadres \u00e9tablis, mais peine \u00e0 d\u00e9terminer, par un raisonnement de niveau sup\u00e9rieur, quel cadre s'applique.<\/span><\/p>\n

L'imp\u00e9ratif de pr\u00e9cision\u00a0: pourquoi les petites erreurs comptent<\/span><\/h2>\n

Dans de nombreuses applications, les calculs statistiques ne tol\u00e8rent pratiquement aucune marge d'erreur.<\/span><\/p>\n

Les d\u00e9cisions d'autorisation de mise sur le march\u00e9 des m\u00e9dicaments, les recommandations politiques ayant des r\u00e9percussions sur des millions de personnes, les mod\u00e8les de risque financier\u00a0: ces contextes exigent une pr\u00e9cision extr\u00eame. Une erreur de virgule dans l'analyse d'un essai clinique pourrait conduire \u00e0 l'approbation d'un traitement inefficace ou au rejet d'un traitement b\u00e9n\u00e9fique.<\/span><\/p>\n

Comme l'a soulign\u00e9 un professionnel, la pr\u00e9cision est primordiale dans les professions statistiques. La moindre erreur peut tout changer. Ce n'est pas un environnement id\u00e9al pour les syst\u00e8mes d'IA qui fonctionnent de mani\u00e8re probabiliste et produisent parfois des r\u00e9sultats absurdes, malgr\u00e9 leur apparente assurance.<\/span><\/p>\n

Les mod\u00e8les d'IA actuels produisent des r\u00e9sultats g\u00e9n\u00e9ralement raisonnables, mais parfois catastrophiques, et ils ne peuvent pas distinguer avec certitude les deux cas. Un statisticien qui examine les analyses g\u00e9n\u00e9r\u00e9es par l'IA rep\u00e8re ces erreurs. Mais qui contr\u00f4le l'IA lorsqu'elle fonctionne sans supervision\u00a0?<\/span><\/p>\n

Ce que l'IA change r\u00e9ellement pour le travail statistique<\/span><\/h2>\n

L'IA ne remplace pas les statisticiens. Elle modifie simplement la fa\u00e7on dont ils consacrent leur temps.<\/span><\/p>\n

La transformation suit un sch\u00e9ma pr\u00e9visible\u00a0: l\u2019automatisation prend en charge les t\u00e2ches cognitives routini\u00e8res, lib\u00e9rant ainsi les professionnels pour des missions \u00e0 plus forte valeur ajout\u00e9e.<\/span><\/p>\n\n\n\n\n\n\n\n\n\n
Cat\u00e9gorie de t\u00e2ches<\/span><\/th>\nAllocation de temps pr\u00e9-IA<\/span><\/th>\nAllocation de temps post-IA<\/span><\/th>\nImpact<\/span><\/th>\n<\/tr>\n<\/thead>\n
Nettoyage et pr\u00e9paration des donn\u00e9es<\/span><\/td>\n40-50%<\/span><\/td>\n15-20%<\/span><\/td>\nAutomatisation assist\u00e9e par l'IA<\/span><\/td>\n<\/tr>\n
Ex\u00e9cution d'analyses standard<\/span><\/td>\n20-25%<\/span><\/td>\n10-15%<\/span><\/td>\nEx\u00e9cution plus rapide gr\u00e2ce aux outils d'IA<\/span><\/td>\n<\/tr>\n
Conception et planification des \u00e9tudes<\/span><\/td>\n10-15%<\/span><\/td>\n20-25%<\/span><\/td>\nPlus de temps pour la r\u00e9flexion strat\u00e9gique<\/span><\/td>\n<\/tr>\n
Interpr\u00e9tation et communication<\/span><\/td>\n15-20%<\/span><\/td>\n25-30%<\/span><\/td>\nAccent accru sur la diffusion des connaissances<\/span><\/td>\n<\/tr>\n
Innovation m\u00e9thodologique<\/span><\/td>\n5-10%<\/span><\/td>\n15-20%<\/span><\/td>\nGr\u00e2ce \u00e0 la capacit\u00e9 lib\u00e9r\u00e9e<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Les outils d'IA acc\u00e9l\u00e8rent les aspects techniques. Ce qui n\u00e9cessitait autrefois une semaine de programmation et de calcul peut d\u00e9sormais \u00eatre r\u00e9alis\u00e9 en quelques heures. Cette efficacit\u00e9 ne supprime pas le r\u00f4le du statisticien\u00a0; elle r\u00e9oriente son expertise vers des questions auxquelles les machines ne peuvent pas r\u00e9pondre.<\/span><\/p>\n

Concevoir des \u00e9tudes permettant de tester correctement les hypoth\u00e8ses. Identifier les variables pertinentes et comprendre leur importance. Communiquer l'incertitude aux parties prenantes non techniques. D\u00e9terminer si une approche analytique est en ad\u00e9quation avec les objectifs scientifiques.<\/span><\/p>\n

Ce sont l\u00e0 des responsabilit\u00e9s humaines.<\/span><\/p>\n

Le paradoxe de l'industrie technologique\u00a0: l'IA cr\u00e9e des emplois statistiques<\/span><\/h2>\n

Les entreprises technologiques qui d\u00e9veloppent des syst\u00e8mes d'IA embauchent un nombre croissant de statisticiens.<\/span><\/p>\n

Pourquoi ? Parce que le d\u00e9veloppement de l'IA se heurte \u00e0 des d\u00e9fis fondamentalement statistiques.<\/span><\/p>\n

La validation des mod\u00e8les exige une m\u00e9thodologie statistique rigoureuse. Comprendre la diff\u00e9rence entre la g\u00e9n\u00e9ralisation et le surapprentissage n\u00e9cessite un raisonnement statistique. La conception d'exp\u00e9riences pour \u00e9valuer les performances de l'IA rel\u00e8ve des statistiques classiques. Quantifier l'incertitude des pr\u00e9dictions est un domaine purement statistique.<\/span><\/p>\n

D'apr\u00e8s les informations recueillies aupr\u00e8s de sources du secteur statistique, les entreprises technologiques recherchent de plus en plus des statisticiens capables de faire le lien entre l'analyse de donn\u00e9es, l'ing\u00e9nierie et le d\u00e9veloppement de l'IA. L'\u00e9conomie num\u00e9rique repose sur les donn\u00e9es, et chaque moteur de recommandation, syst\u00e8me de d\u00e9tection de fraude et mod\u00e8le pr\u00e9dictif d\u00e9pend d'une approche statistique.<\/span><\/p>\n

Les statisticiens qui se lancent dans le secteur technologique mettent l'accent sur les r\u00e9sultats mesurables dans la description de leur exp\u00e9rience. Des affirmations d\u00e9montrant des r\u00e9sultats concrets, comme une meilleure pr\u00e9cision des mod\u00e8les, sont plus convaincantes qu'une simple mention du type \u201c\u00a0r\u00e9alisation de mod\u00e9lisations pr\u00e9dictives\u00a0\u201d.\u201d<\/span><\/p>\n

On recherche des personnes capables d'ex\u00e9cuter des algorithmes pr\u00e9\u00e9tablis, mais des professionnels qui ma\u00eetrisent les fondements math\u00e9matiques, savent identifier les limites des approches classiques et concevoir des proc\u00e9dures d'inf\u00e9rence valides pour des situations in\u00e9dites.<\/span><\/p>\n

L\u00e0 o\u00f9 l'IA menace r\u00e9ellement l'emploi : le facteur d'abondance des donn\u00e9es<\/span><\/h2>\n

Tous les r\u00f4les analytiques ne sont pas confront\u00e9s \u00e0 la m\u00eame perturbation caus\u00e9e par l'IA.<\/span><\/p>\n

Les recherches sur l'impact de l'IA sur le march\u00e9 du travail mettent en \u00e9vidence l'abondance des donn\u00e9es comme facteur d\u00e9terminant. Les secteurs disposant de donn\u00e9es volumineuses, structur\u00e9es et de haute qualit\u00e9 affichent des taux d'adoption de l'IA plus \u00e9lev\u00e9s, potentiellement de 60 \u00e0 70\u00a0000\u00a0000. \u00c0 l'inverse, les secteurs aux donn\u00e9es \u00e9parses, d\u00e9sordonn\u00e9es ou contextuelles pourraient rencontrer des difficult\u00e9s d'adoption, avec des taux inf\u00e9rieurs \u00e0 25\u00a0000\u00a0000.<\/span><\/p>\n

Le d\u00e9veloppement logiciel, par exemple, est fortement impact\u00e9 car les d\u00e9p\u00f4ts de code fournissent d'immenses ensembles de donn\u00e9es d'entra\u00eenement. Certains m\u00e9tiers de la finance subissent des pressions car les donn\u00e9es financi\u00e8res sont abondantes et bien structur\u00e9es.<\/span><\/p>\n

Or, les travaux statistiques impliquent souvent pr\u00e9cis\u00e9ment les situations complexes et riches en contexte o\u00f9 l'IA peine \u00e0 s'adapter\u00a0: \u00e9tudes observationnelles avec facteurs de confusion, \u00e9chantillons de petite taille, contraintes sp\u00e9cifiques au domaine que les mod\u00e8les g\u00e9n\u00e9riques ne prennent pas en compte, contextes m\u00e9tier uniques sans exemples d'entra\u00eenement comparables.<\/span><\/p>\n

L'avantage du statisticien ? De nombreux travaux statistiques existent pr\u00e9cis\u00e9ment dans les domaines o\u00f9 l'IA a des difficult\u00e9s.<\/span><\/p>\n

La dimension \u00e9thique que l'IA ne peut appr\u00e9hender seule<\/span><\/h2>\n

L'\u00e9thique statistique exige un jugement humain que les syst\u00e8mes d'IA ne peuvent reproduire.<\/span><\/p>\n

Prenons l'exemple du p-hacking, une pratique qui consiste \u00e0 manipuler les analyses jusqu'\u00e0 atteindre les niveaux de signification souhait\u00e9s. Une IA entra\u00een\u00e9e sur des recherches publi\u00e9es pourrait apprendre ce comportement, car le biais de publication favorise les r\u00e9sultats significatifs. Mais les statisticiens jouent un r\u00f4le de garants de l'\u00e9thique, en reconnaissant et en emp\u00eachant de telles pratiques.<\/span><\/p>\n

Les questions d'\u00e9quit\u00e9 dans les syst\u00e8mes algorithmiques exigent une expertise statistique et un raisonnement \u00e9thique. Quand les diff\u00e9rences de performance d'un mod\u00e8le selon les groupes d\u00e9mographiques constituent-elles un biais inacceptable ou une diff\u00e9renciation l\u00e9gitime des risques\u00a0? Il n'existe pas de r\u00e9ponse purement math\u00e9matique.<\/span><\/p>\n

L\u2019analyse des donn\u00e9es respectueuse de la vie priv\u00e9e, l\u2019utilisation appropri\u00e9e de la signification statistique et la communication transparente de l\u2019incertitude exigent des choix qui int\u00e8grent des valeurs, et pas seulement des comp\u00e9tences techniques.<\/span><\/p>\n

L'IA pourrait \u00e0 terme contribuer au raisonnement \u00e9thique, mais d\u00e9l\u00e9guer enti\u00e8rement ces d\u00e9cisions \u00e0 des syst\u00e8mes automatis\u00e9s comporte des risques \u00e9vidents. Il est n\u00e9cessaire de d\u00e9finir les valeurs qui guident la pratique statistique.<\/span><\/p>\n

Communiquer l'incertitude aux parties prenantes<\/span><\/h3>\n

La vulgarisation des r\u00e9sultats statistiques pour un public non sp\u00e9cialis\u00e9 reste un travail obstin\u00e9ment humain.<\/span><\/p>\n

Un intervalle de confiance a une signification math\u00e9matique pr\u00e9cise. Mais comment expliquer son impact sur les d\u00e9cisions d'entreprise\u00a0? Cela n\u00e9cessite de comprendre \u00e0 la fois les statistiques et les mod\u00e8les mentaux du d\u00e9cideur, sa tol\u00e9rance au risque et le contexte strat\u00e9gique.<\/span><\/p>\n

Les parties prenantes souhaitent souvent des r\u00e9ponses d\u00e9finitives\u00a0: \u201c\u00a0Cette campagne fonctionnera-t-elle\u00a0?\u00a0\u201d Les statisticiens fournissent des d\u00e9clarations probabilistes\u00a0: \u201c\u00a0Sur la base de donn\u00e9es historiques, des campagnes similaires ont montr\u00e9 un retour sur investissement positif dans 731\u00a0% des cas, avec des effets allant de\u2026\u00a0\u201d<\/span><\/p>\n

Cette traduction \u2013 du formalisme math\u00e9matique \u00e0 une compr\u00e9hension pertinente pour la prise de d\u00e9cision \u2013 exige de comprendre la cognition humaine, la politique organisationnelle et le contexte du domaine d'une mani\u00e8re que l'IA actuelle ne peut \u00e9galer.<\/span><\/p>\n

Les comp\u00e9tences les plus importantes \u00e0 l'\u00e8re de l'IA<\/span><\/h2>\n

Le domaine des statistiques n'est pas fig\u00e9. Les comp\u00e9tences qui garantissent sa pertinence \u00e9voluent.<\/span><\/p>\n

Selon le rapport 2025 du Forum \u00e9conomique mondial sur l'avenir de l'emploi, les employeurs pr\u00e9voient que 391\u00a0000 milliards de comp\u00e9tences cl\u00e9s requises sur le march\u00e9 du travail \u00e9volueront d'ici 2030. Pour les statisticiens, certaines aptitudes deviennent de plus en plus pr\u00e9cieuses\u00a0:<\/span><\/p>\n