# openai-work-at-the-frontier-task-crossover-2026-07-27

## Veille

Billet et rapport d'**OpenAI Economic Research** publiés le **27 juillet 2026**, premier volet de la série **Work at the Frontier**, sur une analyse de **plus de 800 000 messages d'utilisateurs américains de ChatGPT**. **Concept forgé** : le ***task crossover*** — *« work historically associated with one occupation appearing in the AI use of people in another »*. **Le chiffre-titre est double, et c'est le point que les reprises perdent** : **16,8 % des messages liés au travail** portent sur des tâches associées à un autre métier, et **43,5 % des messages spécifiques à un métier**. L'entonnoir explique l'écart : **61,5 % de l'usage est générique** (écrire, résumer, planifier — trop partagé pour valoir preuve de crossover) et écarté ; sur les **38,5 % restants**, **43,5 % tombent hors du métier** et 56,5 % *« inside **or near** »* — la borne haute est donc calculée sur une base réduite, la borne basse sur l'usage professionnel entier. **Par métier** (part des messages métier-spécifiques renvoyant à une tâche extérieure) : expérience client **77 %**, design **75 %**, RH **69 %**, juridique **56 %**, marketing **53 %**, vente **40 %**, finance **40 %**, ingénierie **28 %** — *« a majority in five of eight groups »*. **Deux directions distinctes de circulation** : le design **importe** (35,2 %) et n'**exporte** presque rien (1,7 %) ; l'ingénierie fait l'inverse (importe 18,5 %, exporte 7,4 %) ; le **marketing cumule** (importe 24,3 %, exporte **8,9 %**, la plus forte part sortante de l'échantillon). **Deux tâches figurent dans le top 3 des emprunts des sept autres groupes** : le **calcul financier** et le **dépannage technologique**. ⭐ **La heatmap, absente des reprises, est l'objet le plus riche** : elle donne la distribution complète des tâches par métier d'utilisateur, et sa diagonale est renversante — l'ingénierie retient **53 %** de son propre travail quand l'expérience client n'en retient que **11 %**, les RH **10 %** et le design **12 %**. **Effet de taille** : la part hors métier passe de **18,9 %** (2-5 postes) à **16,3 %** (>100 postes) — ⚠️ **mais uniquement « among average users »**, OpenAI précisant que *« among the heaviest users, we do not see the same monotonic pattern »*, et concluant au conditionnel : *« AI **may be** especially useful as a generalist tool where specialist resources are scarce. »* **Statut revendiqué** : un **signal avancé**, visible *« before firms rewrite job descriptions or create new job titles »*. ⚠️ **Réserve structurelle** : OpenAI mesure l'usage d'OpenAI, sur les seuls utilisateurs américains de ChatGPT, et présente cette position comme un atout — *« our unique window into how the world of work is changing »*.

## Titre Article

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

## Date

2026-07-27

## URL

https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/

## Keywords

OpenAI Economic Research, Work at the Frontier, task crossover, débordement de tâches, porosité des métiers, 800 000 messages, ChatGPT, utilisateurs américains, messages liés au travail, messages métier-spécifiques, tâches génériques, base de calcul, entonnoir méthodologique, inside or near, expérience client, design, ressources humaines, juridique, marketing, vente, finance, ingénierie, import export de tâches, heatmap, diagonale, rétention du métier, calcul financier, dépannage technologique, création de supports marketing, taille d'organisation, postes de travail, utilisateurs moyens, utilisateurs intensifs, absence de monotonie, généraliste, ressources spécialisées, AI Jobs Transition Framework, réorganisation des métiers, signal avancé, fiches de poste, intitulés de poste, statistiques du marché du travail, division du travail, biais de source, mesure par le fournisseur

## Authors

**OpenAI Economic Research** — équipe de recherche économique d'OpenAI ; la page crédite simplement *« OpenAI »* et la classe sous les tags *Economic Research* et *2026*. Le billet est la porte d'entrée d'un **rapport PDF** (`work-at-the-frontier-report.pdf`) et s'adosse à un cadre antérieur de la même équipe, l'**AI Jobs Transition Framework**, dont il reprend la thèse que de nombreux métiers vont **se réorganiser** plutôt que disparaître.

**Position à connaître** : l'éditeur mesure l'usage de son propre produit et en fait explicitement un argument — *« Using our unique window into how the world of work is changing, we will offer regular data-driven insights based on evidence to guide policy and practice. »* La visée est déclarée : **orienter la politique publique et la pratique**.

## Ton

**Profil** : billet de recherche institutionnelle, registre sobre et méthodique, servant de résumé public à un rapport PDF. Ni annonce produit ni tribune — une **note de résultats** structurée en quatre sections dont les titres sont les conclusions (*« Nearly half of occupation-specific AI use crosses job boundaries »*, *« Some tasks travel farther than others »*, *« More task crossover in small businesses »*, *« The task list itself is changing »*).

**Style** : **le contre-pied méthodologique posé d'emblée** est le geste structurant. *« Many studies of AI and work begin with a fixed list of tasks associated with a given occupation and ask whether models can perform them. Our evidence suggests that AI is also changing who takes on which tasks. »* On ne mesure pas la substituabilité d'un métier mais la **redistribution observée** — déplacement d'objet revendiqué, et c'est ce qui donne sa valeur au papier.

**Trait notable : la prudence est intégrée à la phrase, pas reléguée en note.** Les qualificatifs sont posés au moment où le résultat est énoncé — *« our new research **suggests** »*, *« **Among average users**, the outside-occupation task share falls… »*, *« Among the heaviest users, **we do not see the same monotonic pattern** »*, *« AI **may be** especially useful as a generalist tool »*, *« usage patterns **may** provide an early signal »*. Le texte n'affirme presque jamais sans borner.

**Illustration par le cas concret avant le chiffre** : trois vignettes ouvrent le propos — le dirigeant de petite entreprise qui rédige sa copy, relit un contrat et fait une analyse financière ; le commercial qui explore un jeu de données client *« that might once have gone to an analyst »* ; le marketeur qui dépanne un site *« without waiting for a developer »*. La formule qui les résume est la thèse : *« AI changes not just how work gets done, but who does what. »*

**Formules-marqueurs** : *« task crossover »*, *« who does what »*, *« some activities that once required a handoff can now be done by the person who first encounters the need »*, *« these occupations are "borrowing" these tasks »*, *« before firms rewrite job descriptions or create new job titles »*.

## Pense-betes

- **⭐⭐ Les deux chiffres-titres, et pourquoi il faut toujours donner les deux** : **16,8 % des messages liés au travail** ET **43,5 % des messages métier-spécifiques**. L'entonnoir : **61,5 % de l'usage professionnel est générique** (écrire, résumer, planifier — *« shared too broadly across occupations to be evidence of crossover »*) et retiré du calcul ; sur les **38,5 %** restants, **43,5 %** tombent hors du métier. → **43,5 % est calculé sur 38,5 % de l'usage.** Citer le seul 43,5 % double presque l'impression d'ampleur. Les deux nombres sont dans la source ; un seul survit généralement aux reprises.

- **⭐ La nuance « inside *or near* »** : le complément du 43,5 % n'est pas « dans le métier » mais *« inside **or near** a user's occupation »*. La frontière mesurée est donc **floue par construction**, ce qui est honnête et rarement répercuté.

- **Le contre-pied méthodologique — l'apport réel du papier** : la littérature part d'une liste figée de tâches par métier et demande si le modèle sait les faire ; ici on demande **qui fait quoi**. *« Our evidence suggests that AI is also changing who takes on which tasks. »* → **On mesure une redistribution observée, pas une substituabilité théorique.** C'est ce qui distingue ce travail des études d'exposition (cf. les fourchettes 5-60 % discutées dans [[dgtresor-ia-effets-emploi-2026-06-30]] et [[sfeir-ia-emploi-risque-decrochage-2026-07-23]]).

- **Par métier, part hors métier** (des messages métier-spécifiques) : expérience client **77 %** · design **75 %** · RH **69 %** · juridique **56 %** · marketing **53 %** · vente **40 %** · finance **40 %** · **ingénierie 28 %**. *« Outside occupation work is a majority in five of eight groups. »*

- **⭐⭐ La heatmap — l'objet le plus riche, et absent de toutes les reprises** (lignes = métier de l'utilisateur, colonnes = métier d'origine de la tâche ; diagonale en gras) :

  | Utilisateur ↓ / Tâche → | CX | Design | Ingé. | Fin. | RH | Jur. | Mktg | Vente |
  |---|---|---|---|---|---|---|---|---|
  | **Expérience client** | **11** | 5 | 20 | 14 | 6 | 6 | **26** | 11 |
  | **Design** | 6 | **12** | **28** | 10 | 4 | 4 | **28** | 8 |
  | **Ingénierie** | 4 | 4 | **53** | 9 | 4 | 4 | 20 | 2 |
  | **Finance** | 6 | 4 | 22 | **23** | 4 | 8 | **25** | 7 |
  | **RH** | 9 | 5 | 18 | 16 | **10** | 10 | **23** | 9 |
  | **Juridique** | 5 | 4 | 17 | 12 | 7 | **31** | 18 | 6 |
  | **Marketing** | 10 | 6 | 17 | 11 | 4 | 4 | **36** | 12 |
  | **Vente** | 11 | 5 | 18 | 15 | 4 | 6 | **29** | **12** |

  **Trois lectures que le texte ne fait pas** :
  1. **La diagonale est le vrai résultat.** L'ingénierie retient **53 %** de son propre travail ; l'expérience client **11 %**, les RH **10 %**, le design **12 %**, la vente **12 %**. → **Certains métiers ont, dans leur usage non générique de ChatGPT, presque cessé de faire leur propre métier.**
  2. **Pour quatre métiers, la colonne marketing dépasse la diagonale.** Un designer fait plus de tâches marketing (28 %) et d'ingénierie (28 %) que de design (12 %) ; un agent d'expérience client fait plus de marketing (26 %) que de CX (11 %) ; idem RH (23 % vs 10 %) et vente (29 % vs 12 %).
  3. **Deux colonnes aspirent tout** : marketing (18 à 36 % partout) et ingénierie (17 à 53 %). Les six autres métiers pèsent des miettes.
  ⚠️ **Précaution de lecture** : la diagonale basse ne dit pas que ces salariés ne font plus leur métier — elle dit que **leurs messages non génériques** sont classés ailleurs, sur une base qui exclut déjà 61,5 % de l'usage. Les tâches propres à ces métiers sont peut-être précisément celles qui ont été classées « génériques ».

- **Les deux directions de circulation, chiffrées** : **design** importe **35,2 %** / exporte **1,7 %** ; **ingénierie** importe **18,5 %** / exporte **7,4 %** ; **marketing** importe **24,3 %** / exporte **8,9 %** — *« the highest outward share in the sample »*. → Le marketing est le seul à cumuler les deux sens.

- **Les deux tâches universellement empruntées** : le **calcul financier** et le **dépannage technologique** figurent dans le **top 3 des emprunts des sept autres groupes**. La **création de supports marketing** apparaît chez cinq autres groupes, *« especially prominent among design users »*.

- **⭐ L'asymétrie de l'ingénierie — le chiffre le plus actionnable pour une ESN** : l'ingénierie est **à la fois le métier le moins poreux (28 %, importe 18,5 %) et un exportateur majeur (7,4 %)**, et sa diagonale de **53 %** est de loin la plus haute. La porosité célébrée est donc **largement à sens unique vers la technique** : les autres métiers font du dépannage et des systèmes techniques, l'inverse est rare (le design exporte 1,7 %). **Ce que cela veut dire concrètement** : l'IA ne dilue pas l'ingénierie dans les autres métiers, elle **diffuse des tâches d'ingénierie partout ailleurs** tout en laissant les ingénieurs sur leur cœur.

- **⚠️⚠️ L'effet de taille est plus faible que rapporté ailleurs — deux réserves posées par OpenAI et souvent perdues** :
  1. Le passage de **18,9 % à 16,3 %** vaut **« among average users »** seulement.
  2. *« **Among the heaviest users, we do not see the same monotonic pattern.** »* → **La tendance ne tient pas sur les utilisateurs intensifs.** OpenAI avance deux explications possibles (les usagers modérés des petites structures se tournent vers l'IA quand ils rencontrent un travail relevant d'une autre fonction ; les intensifs ont des workflows stabilisés qui se ressemblent d'une organisation à l'autre, ou utilisent l'IA plus intensément **dans** leur cœur de métier).
  3. La conclusion est au conditionnel : *« AI **may be** especially useful as a generalist tool where specialist resources are scarce. »*
  → **Correction apportée à [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]]**, qui reprenait ces 2,6 points comme un résultat propre et la conclusion généraliste comme une affirmation. La source est plus prudente que son commentaire, et l'écart de 2,6 points que j'avais signalé comme le maillon faible est **explicitement borné par les auteurs eux-mêmes**.

- **Le statut épistémique revendiqué — signal avancé** : ces données permettent de voir les recombinaisons *« before firms rewrite job descriptions or create new job titles »*, et *« may provide an early signal of occupational change that conventional labor-market statistics will capture only later »*. → **Un indicateur avancé, pas une mesure d'emploi.** Il dit ce que les gens *tentent*, pas ce que les organisations *entérinent*.

- **Rattachement doctrinal** : le papier s'adosse à l'**AI Jobs Transition Framework** de la même équipe, dont la thèse est que de nombreux métiers vont **se réorganiser** — *« jobs whose day-to-day tasks could change substantially »* — plutôt que disparaître. Le crossover en est la preuve d'usage.

- **⚠️ Réserves de fond, à porter systématiquement** :
  - **OpenAI mesure OpenAI.** Un seul assistant, ses seuls utilisateurs, revendiqué comme avantage (*« our unique window »*). Ce qui est mesuré est l'usage de ChatGPT, pas l'usage de l'IA.
  - **Utilisateurs américains uniquement.** Aucune extrapolation internationale n'est possible, et le rapport n'en tente pas.
  - **Population non représentative** de la population active : ce sont des utilisateurs de ChatGPT, auto-sélectionnés.
  - **La classification métier est faite par un modèle**, sur des messages, sans validation externe décrite dans le billet. Les catégories (huit groupes) et la frontière « générique / spécifique » sont des choix de conception qui déterminent mécaniquement les résultats — c'est là que se joue la solidité du 43,5 %.
  - **Visée déclarée** : *« to guide policy and practice »*. Un acteur qui produit la donnée sur son propre impact **et** vise l'orientation des politiques publiques. Même biais que celui pointé à propos de Bercy dans [[sfeir-ia-emploi-risque-decrochage-2026-07-23]].

- **Méta / à relier** : source primaire de [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], qu'elle **complète** (16,8 %, marketing 24,3 %, heatmap) et **corrige** (effet de taille non monotone chez les intensifs) ; à lire avec [[dgtresor-ia-effets-emploi-2026-06-30]] et [[sfeir-ia-emploi-risque-decrochage-2026-07-23]] sur l'écart entre exposition théorique et redistribution observée ; prolonge [[mollick-organizational-theory-agentic-ai-spans-control-2026-02]] et [[mollick-valence-ai-hr-playbook-leader-lab-crowd-2025-07-23]] côté théorie organisationnelle ; contexte RH dans [[bersin-chro-pivotal-role-ai-transformation-2025-10-10]].

## RésuméDe400mots

Premier volet de la série **Work at the Frontier** d'**OpenAI Economic Research** (27 juillet 2026), fondé sur plus de **800 000 messages** d'utilisateurs américains de ChatGPT.

**Le concept.** Le ***task crossover*** désigne *« work historically associated with one occupation appearing in the AI use of people in another »*. Le contre-pied méthodologique est posé d'emblée : les études d'exposition partent d'une liste figée de tâches et demandent si le modèle sait les faire ; ici on demande **qui fait quoi**. *« AI changes not just how work gets done, but who does what. »*

**Les chiffres, et il y en a deux.** **16,8 %** des messages liés au travail et **43,5 %** des messages métier-spécifiques portent sur une tâche d'un autre métier. L'écart vient de l'entonnoir : **61,5 %** de l'usage est **générique** (écrire, résumer, planifier) et écarté ; sur les 38,5 % restants, 43,5 % tombent hors du métier, le reste étant *« inside **or near** »*.

**Par métier** : expérience client **77 %**, design **75 %**, RH **69 %**, juridique 56 %, marketing 53 %, vente et finance 40 %, **ingénierie 28 %** — majoritaire dans cinq groupes sur huit.

**Deux directions de circulation.** Le design **importe** (35,2 %) sans exporter (1,7 %) ; l'ingénierie fait l'inverse (18,5 % / 7,4 %) ; le marketing **cumule** (24,3 % / 8,9 %, la plus forte part sortante). Deux tâches figurent dans le top 3 des emprunts des sept autres groupes : le **calcul financier** et le **dépannage technologique**.

**La heatmap** donne la distribution complète, et sa diagonale est le résultat le plus frappant : l'ingénierie retient **53 %** de son propre travail, quand l'expérience client n'en retient que **11 %**, les RH **10 %** et le design **12 %** — chez ces trois métiers, les tâches marketing pèsent plus lourd que les leurs.

**L'effet de taille est plus fragile qu'il n'y paraît.** La part hors métier tombe de 18,9 % (2-5 postes) à 16,3 % (>100 postes) **chez les utilisateurs moyens seulement** : *« among the heaviest users, we do not see the same monotonic pattern »*. La conclusion reste au conditionnel — *« AI **may be** especially useful as a generalist tool where specialist resources are scarce »*.

**Le statut revendiqué** est celui d'un **signal avancé**, visible *« before firms rewrite job descriptions or create new job titles »*.

⚠️ OpenAI mesure l'usage de son propre produit, sur ses seuls utilisateurs américains, et présente cette position comme un atout.

## GrapheDeConnaissance

- OpenAI Economic Research —publie→ Work at the Frontier (DOCUMENT, 0.98)
- Work at the Frontier —mesure→ 16,8 % des messages liés au travail et 43,5 % des messages métier-spécifiques portent sur une tâche d'un autre métier (MESURE, 0.97)
- Work at the Frontier —mesure→ 61,5 % de l'usage professionnel est générique et écarté du calcul du crossover (MESURE, 0.95)
- task crossover —est_instance_de→ l'apparition, dans l'usage IA d'un métier, de travail historiquement associé à un autre (CITATION, 0.97)
- OpenAI Economic Research —s_oppose_à→ les études qui partent d'une liste figée de tâches par métier pour tester la substituabilité du modèle (AFFIRMATION, 0.93)
- Work at the Frontier —mesure→ part hors métier par fonction : expérience client 77 %, design 75 %, RH 69 %, juridique 56 %, marketing 53 %, vente 40 %, finance 40 %, ingénierie 28 % (MESURE, 0.96)
- Work at the Frontier —mesure→ le design importe 35,2 % de tâches extérieures et n'en exporte que 1,7 % (MESURE, 0.95)
- Work at the Frontier —mesure→ l'ingénierie importe 18,5 % de tâches extérieures et en exporte 7,4 % (MESURE, 0.95)
- Work at the Frontier —mesure→ le marketing importe 24,3 % et exporte 8,9 %, la plus forte part sortante de l'échantillon (MESURE, 0.95)
- Work at the Frontier —mesure→ l'ingénierie retient 53 % de ses propres tâches, contre 11 % pour l'expérience client et 10 % pour les ressources humaines (MESURE, 0.92)
- calcul financier —observé_dans→ le top 3 des tâches empruntées par les sept autres groupes de métiers (AFFIRMATION, 0.94)
- dépannage technologique —observé_dans→ le top 3 des tâches empruntées par les sept autres groupes de métiers (AFFIRMATION, 0.94)
- Work at the Frontier —mesure→ la part hors métier passe de 18,9 % à 16,3 % selon la taille de l'espace de travail, chez les utilisateurs moyens seulement (MESURE, 0.95)
- OpenAI Economic Research —affirme_que→ la tendance liée à la taille de l'organisation n'est pas monotone chez les utilisateurs les plus intensifs (CITATION, 0.95)
- OpenAI Economic Research —affirme_que→ l'IA pourrait être particulièrement utile comme outil généraliste là où les ressources spécialisées manquent (AFFIRMATION, 0.9)
- données d'usage —permet→ de voir la recomposition des métiers avant la réécriture des fiches de poste et des intitulés (AFFIRMATION, 0.94)
- Work at the Frontier —est_basé_sur→ AI Jobs Transition Framework (DOCUMENT, 0.92)
- AI Jobs Transition Framework —affirme_que→ de nombreux métiers vont se réorganiser, leurs tâches quotidiennes pouvant changer substantiellement (AFFIRMATION, 0.92)
- Work at the Frontier —est_basé_sur→ plus de 800 000 messages d'utilisateurs américains de ChatGPT (AFFIRMATION, 0.97)
- OpenAI —affirme_que→ sa position d'observation unique sur le monde du travail lui permet d'orienter la politique publique et la pratique (CITATION, 0.9)

---
Canonical: https://www.thekb.eu/fr/fiches/openai-work-at-the-frontier-task-crossover-2026-07-27/