« L'IA va-t-elle prendre mon travail ? » C'est probablement la question la plus posée sur l'intelligence artificielle, et celle à laquelle on répond le plus souvent avec des impressions plutôt qu'avec des données.
Le 5 mars, l'équipe économie d'Anthropic a publié une étude qui tente de faire mieux : une nouvelle façon de mesurer l'exposition des métiers à l'IA, confrontée aux premières données sur l'emploi aux États-Unis. Le résultat est plus nuancé que les gros titres habituels, et c'est ce qui le rend intéressant.
L'étude commence par un rappel d'humilité. Les prévisions sur l'emploi se sont souvent trompées. Une tentative célèbre de mesurer quels emplois pouvaient être délocalisés avait identifié environ un quart des emplois américains comme vulnérables. Dix ans plus tard, la plupart de ces emplois avaient continué de croître.
Même après coup, l'effet d'un choc économique reste souvent débattu : les études sur les robots industriels arrivent à des conclusions opposées, et l'ampleur des pertes d'emplois liées à la concurrence chinoise est encore discutée.
Le COVID était un cas simple : le chômage a bondi en quelques semaines, sans ambiguïté possible. L'IA ressemblera peut-être davantage à Internet : un effet diffus, noyé dans les cycles économiques et les politiques commerciales. D'où l'intérêt de poser un cadre de mesure avant que des effets importants n'apparaissent.
L'approche habituelle consiste à évaluer, tâche par tâche, si un modèle de langage pourrait théoriquement accélérer le travail. Une référence du domaine, l'étude d'Eloundou et ses collègues publiée en 2023, note chaque tâche : 1 si un LLM seul peut la faire au moins deux fois plus vite, 0,5 s'il faut des outils en plus, 0 sinon.
Anthropic y ajoute ce qui manquait : l'usage réel. La mesure combine trois sources :
- la base O*NET, qui décrit les tâches d'environ 800 métiers aux États-Unis ;
- les données d'usage de Claude, issues de l'Anthropic Economic Index ;
- les estimations théoriques d'Eloundou et al.
Le résultat s'appelle l'exposition observée. Un métier est d'autant plus exposé que :
- ses tâches sont théoriquement faisables par une IA ;
- elles apparaissent réellement dans l'usage de Claude, dans un contexte professionnel ;
- cet usage est automatisé plutôt qu'en appui : une tâche entièrement déléguée compte pleinement, une tâche où l'IA assiste un humain compte pour moitié ;
- les tâches concernées représentent une part importante du temps de travail.
Les deux approches sont d'ailleurs cohérentes : 97 % des tâches observées dans l'usage de Claude relèvent de catégories jugées théoriquement faisables.
L'écart entre le possible et le réel est énorme. Dans la catégorie informatique et mathématiques, un LLM pourrait théoriquement intervenir sur 94 % des tâches. Claude n'en couvre aujourd'hui que 33 %.
Même constat pour les métiers administratifs, où le potentiel théorique atteint 90 %. Et une large part du travail reste hors de portée : tailler des arbres, conduire des machines agricoles, plaider devant un tribunal.
Sans surprise, vu l'usage massif de Claude pour coder, les programmeurs arrivent en tête avec 75 % de couverture. Suivent les conseillers de service client, dont les tâches apparaissent de plus en plus dans le trafic de l'API, puis les opérateurs de saisie de données, couverts à 67 %. Les analystes financiers figurent aussi parmi les plus exposés.
À l'autre bout, 30 % des travailleurs ont une exposition nulle : leurs tâches n'apparaissent presque jamais dans les données. On y trouve les cuisiniers, les mécaniciens moto, les maîtres-nageurs, les barmen ou les plongeurs.
En comparant le quart le plus exposé aux 30 % non exposés, avant la sortie de ChatGPT, les profils sont très différents. Le groupe le plus exposé est :
- plus souvent féminin (16 points de plus) ;
- mieux payé, de 47 % en moyenne ;
- plus diplômé : les titulaires d'un diplôme de troisième cycle représentent 17,4 % du groupe exposé, contre 4,5 % du groupe non exposé, près de quatre fois plus.
C'est un renversement par rapport aux vagues d'automatisation précédentes, qui touchaient surtout le travail manuel et peu qualifié.
Le Bureau of Labor Statistics américain publie des projections d'emploi par métier jusqu'en 2034. L'étude constate que plus un métier est exposé, plus sa croissance projetée est faible : chaque hausse de 10 points de couverture correspond à 0,6 point de croissance en moins. La relation est modeste, mais elle existe, alors qu'on ne la retrouve pas avec la seule mesure théorique.
C'est le cœur de l'étude. Anthropic a choisi le chômage comme indicateur prioritaire, parce qu'il mesure le plus directement un préjudice : une personne qui veut travailler et ne trouve pas.
En comparant les travailleurs les plus exposés aux non-exposés depuis 2016, les tendances sont restées similaires depuis la fin du COVID. L'écart apparu depuis la sortie de ChatGPT est faible et statistiquement indiscernable de zéro.
Le dispositif n'est pas aveugle pour autant : une hausse différentielle du chômage de l'ordre d'un point serait détectable. Un scénario de type « grande récession des cols blancs », où le chômage du groupe exposé doublerait de 3 % à 6 %, se verrait donc.
Un groupe inquiète particulièrement : les jeunes de 22 à 25 ans. Des travaux de Brynjolfsson et ses collègues ont rapporté une baisse de 6 à 16 % de l'emploi des jeunes dans les métiers exposés, surtout due à un ralentissement des embauches.
Anthropic ne voit pas de hausse du chômage chez ces jeunes, mais l'explication peut être ailleurs : un jeune qui n'est pas embauché peut rester dans son emploi actuel, reprendre des études ou ne pas apparaître comme chômeur. L'étude regarde donc directement les entrées en poste.
Résultat : à partir de 2024, les jeunes sont relativement moins embauchés dans les métiers exposés. Le taux d'entrée dans les métiers peu exposés reste stable, autour de 2 % par mois, tandis que celui des métiers les plus exposés recule. En moyenne, depuis ChatGPT, la baisse est de 14 % par rapport à 2022, un résultat tout juste significatif. Aucune baisse comparable n'apparaît chez les plus de 25 ans.
Les auteurs restent prudents : les transitions d'emploi sont mal mesurées dans les enquêtes, et d'autres explications sont possibles.
Pour les devs, le message est double. D'un côté, les programmeurs sont en tête des métiers exposés selon cette mesure, ce qui ne surprendra personne qui utilise Claude Code au quotidien. De l'autre, cette exposition ne se traduit pas, à ce stade, par une hausse du chômage.
Le point de vigilance concerne l'entrée dans le métier. Si les premiers postes se raréfient, c'est la formation des futurs développeurs qui se complique. C'est un sujet pour les écoles, les entreprises, et pour les communautés comme la nôtre, où l'on apprend aussi entre pairs.
L'autre mérite de l'étude est méthodologique : elle pose une mesure reproductible, qu'Anthropic compte mettre à jour à mesure que de nouvelles données arrivent. On y reviendra.
- Nouvelle mesure : l'exposition observée, qui croise capacité théorique et usage réel de Claude.
- L'IA couvre une fraction de son potentiel : 33 % des tâches en informatique et mathématiques, contre 94 % en théorie.
- Métiers les plus exposés : programmeurs (75 %), service client, saisie de données.
- Pas d'effet mesurable sur le chômage des métiers exposés à ce stade.
- Signal faible : embauche des 22-25 ans en recul de 14 % dans les métiers exposés, un résultat tout juste significatif.
