Caisse et accueil
ISCO-08 5230Hôte de caisse, Responsable de caisse, Hôte d'accueil, Employé du service client, Agent d'accueil magasin
Effectif nécessaire, en ETP
Compétences IA cibles
niveau 1 à 4Compétences métier
Se renforcent
- Accompagnement des clients aux caisses automatiques
- Gestion des réclamations et litiges en direct
- Retours, échanges et retraits de commandes
- Repérage des fraudes en caisse
Se déprécient
- Encaissement article par article en caisse
- Réponse aux questions courantes sur horaires et stock
- Comptage et rapprochement manuel de la caisse
Les transformations attendues
Caisses automatiques, paiement mobile et scan en rayon suppriment déjà une large part des encaissements tenus, et l'IA prolonge le mouvement : vision en caisse, assistants et bornes qui répondent sur les horaires, le stock ou le suivi de commande, rapprochement de caisse automatisé. Les demandes d'accueil par téléphone et chat sont de plus en plus traitées par des agents.
Les postes restants se concentrent sur ce que les machines gèrent mal : aider un client bloqué en caisse automatique, gérer un litige, traiter un retour complexe, prévenir la fraude. Un bon hôte de caisse sera polyvalent dans le magasin, à l'aise avec les systèmes, et posé face à un client mécontent.
- 2026-2027
- Les caisses automatiques s'étendent ; les assistants répondent aux questions courantes.
- 2028-2030
- Vision en caisse et agents réduisent encaissements tenus et appels.
- 2031+
- Peu de caissiers dédiés ; des hôtes polyvalents sur service et retours.
Cette population est nombreuse, souvent à temps partiel et avec peu de passerelles. Les baisses seront progressives et inégales : les parcours vers la logistique magasin ou le service client sont à construire tôt. Voir l'effet démographique ci-dessous.
Et si vous recrutiez moins de juniors ?
Les seniors de 2036 sont les juniors que vous recrutez aujourd'hui.
Paramètres avancés modifié
2026 2036
The AI Cookbook 2026
Le guide d'albert pour dépasser le bruit autour de l'IA générative et en faire des décisions sur les effectifs.
- Ce que l'IA change vraiment dans les métiers et les compétences
- Pourquoi la filière junior compte plus que la plupart des entreprises ne le pensent
- Comment intégrer l'IA dans la planification des effectifs

Faites tourner ces scénarios sur vos vrais effectifs
Diagnostic Impact IA : 6 à 8 semaines, vos données dans albert, trois scénarios chiffrés et la pyramide projetée pour chaque famille de métiers.
Comment les chiffres sont construits
Chaque chiffre d'effectif combine quatre hypothèses. Trois sont pré-remplies à partir de la recherche publique et des valeurs de la famille. Le plafond stratégique, c'est vous qui le fixez.
Pyramide d'expérience
Un modèle de flux à trois niveaux d'expérience dans le métier. Les taux de promotion et de départ sont calés pour que la pyramide actuelle reste stable sans changement de recrutement : l'écart affiché vient uniquement de la baisse du recrutement junior.
Sources
- International Labour OrganizationGenerative AI and jobs: a refined global index of occupational exposure (2025)
- ILO datasetTask-level GenAI exposure scores by ISCO-08 occupation
- AnthropicAnthropic Economic Index (June 2026 release, April and May 2026 usage data)
- Stanford Digital Economy LabCanaries in the Coal Mine? Six facts about the recent employment effects of AI