Physicien · Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
Plus la case est foncee, plus le score de cet indicateur est eleve.
MoinsPlus
Derniere relecture Sources et creditsCrédits médiasMéthodologie
La plupart des physiciens se spécialisent tôt en théorie, expérience ou calcul, et passent leurs journées à faire des calculs, analyser des données, écrire du code ou entretenir des appareils plutôt qu'à réaliser des découvertes spectaculaires. Une large part du travail est incrémentale : vérifier un résultat de trois manières différentes, le rédiger avec précision et le défendre devant des collègues sceptiques avant qu'il ne compte comme établi.
Pour les postes de recherche, académiques ou industriels, oui — le doctorat est la véritable credential du domaine, car presque aucun employeur ne confie la conception d'une recherche originale à quelqu'un qui ne l'a pas. Un bachelor ou un master en physique reste précieux en dehors de la recherche pure, ouvrant des postes en ingénierie, science des données, finance et enseignement qui exploitent la formation en physique sans porter le titre.
Oui. Les programmes de doctorat en physique aux États-Unis diplôment seuls environ 1 800 personnes par an, tandis que les ouvertures titulaires se comptent par centaines ; la plupart des docteurs en physique n'occupent jamais un poste académique permanent. La formation est réellement excellente pour le travail analytique en général, ce qui explique pourquoi tant de physiciens finissent bien rémunérés en finance, tech ou industrie.
Cela varie énormément selon le secteur et le pays. Aux États-Unis, les bourses de doctorat tournent autour de 30 000 $ par an et les postdocs autour de 60 000 $, tandis que le physicien médian tous secteurs confondus gagne environ 150 000 $ aux États-Unis. Les docteurs en physique qui passent à la finance quantitative peuvent gagner plusieurs fois ce montant, tandis que les salaires académiques dans la plupart des autres pays restent bien plus modestes.
Les théoriciens construisent et affinent les modèles mathématiques qui décrivent comment l'univers devrait se comporter, travaillant surtout avec des calculs, des ordinateurs et des tableaux noirs. Les expérimentateurs conçoivent et font fonctionner l'appareillage — détecteurs de particules, télescopes, cryostats — qui teste si ces modèles tiennent réellement face à la réalité. La plupart des physiciens se spécialisent fermement dans l'une des deux voies dès le début du doctorat.
En partie. La recherche bibliographique, le code de première version, le nettoyage routinier des données et la génération de figures sont de plus en plus assistés par l'IA. Ce qui résiste à l'automatisation, c'est décider quelle question vaut des années de carrière, concevoir une expérience capable d'y répondre réellement, et assumer la responsabilité personnelle d'un résultat revendiqué — des jugements pour lesquels les systèmes d'IA actuels ne peuvent pas être tenus responsables.
La physique a une avance inhabituelle à l'ère de l'IA : une grande part de ce qu'un physicien produit réellement — une hypothèse nouvelle, un appareil fonctionnel, la responsabilité personnelle d'une découverte revendiquée — est exactement le type de jugement et de créativité responsable qu'un modèle de langage ne peut pas encore remplacer de façon fiable.
Cela ne rend pas le métier à l'abri de l'IA. Le triage bibliographique, le code de première version et le traitement routinier des données sont déjà plus rapides avec l'assistance de l'IA, et les sections suivantes séparent ce qui change déjà de ce qui, jusqu'ici, a résisté à l'automatisation pour des raisons plus proches du jugement et de la responsabilité que de la difficulté technique brute.
Une part réelle de l'exécution routinière de la physique — triage bibliographique, code standard de simulation, documentation de première version et génération de figures — est déjà plus rapide avec l'assistance de l'IA. Ce qui résiste à l'automatisation, c'est décider quelle question vaut des années de carrière, concevoir une expérience capable d'y répondre réellement, et assumer la responsabilité personnelle d'un résultat revendiqué dont une machine ne peut pas encore être tenue responsable.
Noté des tâches, pas du titre du poste. Plus bas, c'est plus sûr.
Tâches que l'IA ne peut pas →Choisir laquelle parmi mille directions de recherche possibles mérite réellement des années de financement et d'effort est un jugement que les systèmes d'IA actuels ne peuvent pas faire de façon fiable seuls.
Faire fonctionner réellement un détecteur, un laser ou un cryostat, et diagnostiquer pourquoi il ne fonctionne pas, dépend encore de l'intuition physique forgée par des années d'expérience pratique en laboratoire.
Décider si un nouveau résultat est réel, important et correctement analysé est un jugement social et scientifique, pas une consultation, rendu par des évaluateurs humains responsables.
La réputation d'un physicien nommé, et parfois sa carrière, est en jeu pour une affirmation publiée d'une façon dont aucun système d'IA ne répond aujourd'hui.
Coordonner des milliers de scientifiques dans des dizaines de pays sur une expérience partagée exige confiance et diplomatie qu'aucun système d'IA actuel ne gère.
Trier le flot quotidien de nouvelles prépublications sur arXiv et signaler les résultats pertinents est de plus en plus géré ou accéléré par des outils d'IA.
Générer des pipelines standard de traitement de données et des échafaudages de simulation à partir d'une méthode décrite correspond bien aux outils actuels de génération de code.
Rédiger une version initiale de l'introduction d'un article ou générer des graphiques standard à partir de données traitées est déjà partiellement automatisé dans de nombreux groupes.
Filtrer le bruit, corriger les effets instrumentaux connus et signaler les points de données anormaux passent de plus en plus par des pipelines automatisés ou d'apprentissage automatique plutôt que par une revue manuelle.
Les physiciens utilisent de plus en plus des outils d'IA pour parcourir le flux quotidien d'arXiv et signaler les travaux pertinents, compressant une tâche qui prenait autrefois des heures de lecture manuelle en minutes.
Des réseaux de neurones fonctionnent désormais dans les systèmes de déclenchement des détecteurs de particules et trient des téraoctets de données de relevés astronomiques à la recherche d'anomalies — un travail qu'aucune équipe humaine ne pourrait raisonnablement faire à la main à cette échelle.
Une part croissante des nouveaux résultats de physique, surtout en physique des particules et en astrophysique, compte des centaines ou des milliers de coauteurs, changeant ce qui compte comme contribution et crédit d'un physicien individuel.
Les postes titulaires étant largement dépassés en nombre par les nouveaux doctorats chaque année, la majorité des doctorats en physique construisent désormais leur carrière en finance, technologie ou recherche industrielle plutôt qu'à l'université.
Applique la modélisation mathématique formée en physique aux marchés financiers dans des fonds spéculatifs et des sociétés de trading — l'une des destinations les mieux rémunérées pour un doctorat en physique.
Les laboratoires d'IA recrutent de plus en plus des docteurs en physique pour leur formation à construire et tester des modèles mathématiques face à des données réelles désordonnées, même sans formation en informatique.
Construit et calibre les qubits physiques et les systèmes de commande derrière les ordinateurs quantiques — une spécialisation en rapide croissance s'appuyant directement sur la formation en matière condensée et physique atomique.
Applique les compétences d'analyse statistique et de modélisation forgées pendant un doctorat en physique à des problèmes industriels en technologie, santé ou logistique — un atterrissage courant en dehors de la recherche pure.
Trois lentilles reversibles: augmenter, remplacer une tranche, ou ouvrir une niche. Pedagogique, pas une prevision.
Le role reste; l IA accelere brouillons ou recherche; le jugement reste humain.
Un paquet etroit de taches peut se comprimer d abord tandis que le craft adjacent croit.
Supervision et integration peuvent apparaitre la ou la sortie IA doit etre fiable.
La demande de personnes formées en physique restera probablement forte durant la prochaine décennie, moins portée par une tendance IA unique que par la croissance continue des semi-conducteurs, de l'informatique quantique et des industries gourmandes en données qui valorisent la rigueur mathématique du domaine même lorsque l'intitulé du poste n'a rien à voir avec la physique.
La lecture honnête est que l'IA est une préoccupation secondaire face au problème structurel plus ancien du domaine : les programmes de doctorat en physique diplôment chaque année bien plus de chercheurs qu'il n'existe de postes académiques titulaires à pourvoir, et ce déséquilibre, pas l'automatisation, pousse déjà la plupart des physiciens vers des carrières en dehors de l'université pour laquelle ils se sont formés.
Les voisins les plus proches sur le profil de six points — pas seulement le même champ.
Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
Résistant à l'IA 64 🏗️Conçoit des bâtiments qui doivent tenir debout, respecter la norme, satisfaire le client et coûter le juste prix — puis assume la responsabilité juridique s'ils ne le font pas.
Résistant à l'IA 78 💱Le spécialiste de la rareté — de l'usine d'épingles d'Adam Smith à la salle de décision de la banque centrale, toujours invité à prédire ce qu'aucun modèle ne saisit entièrement.
Résistant à l'IA 62 🎬Transforme un scénario en film achevé en décidant de chaque plan, de chaque jeu d'acteur et de chaque coupe, puis convainc producteur, studio et public que la vision valait le budget.
Résistant à l'IA 73 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
Résistant à l'IA 70 👔Conseille les clients, rédige les documents qui les lient et défend leur cause lorsqu'elle est portée devant le tribunal, engageant ainsi sa responsabilité juridique personnelle si le conseil est erroné.
Résistant à l'IA 58Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
Résistant à l'IA 64 🧪Le scientifique qui fabrique et mesure la matière — de l'alambic babylonien de Tapputi aux laboratoires robotisés d'aujourd'hui, celui qui décide encore ce que signifie le spectre.
Résistant à l'IA 70 📊Détecte des régularités et construit des modèles prédictifs à partir de données — un intitulé de poste né en 2008, fondé sur trois siècles de comptage, de tests et de visualisation des preuves.
Résistant à l'IA 38 🔭Le scientifique qui mesure l'univers, des tablettes d'argile babyloniennes aux télescopes spatiaux, et qui décide encore aujourd'hui quelle fluctuation dans les données est une découverte.
Résistant à l'IA 70 🧮Des scribes babyloniens aux lauréats Fields et à la démonstration assistée par IA : la profession qui transforme les questions difficiles en certitude permanente, théorème après théorème.
Résistant à l'IA 70 🧿Construit, mesure et contrôle des appareils qui exploitent les états quantiques pour l'informatique, la détection, la communication et la recherche sur les matériaux.
Résistant à l'IA 78 🧫Utilise les données cliniques, d’essais et du système de santé pour générer des preuves fiables pour des soins, des recherches et des décisions opérationnelles plus sûrs.
Résistant à l'IA 68