Depuis le début de l'année, on a suivi sur ce blog plusieurs études d'Anthropic sur l'IA et l'emploi : la mesure de l'exposition observée en mars, l'enquête auprès de 81 000 utilisateurs en avril, le rapport Economic Index de juin. Toutes portent sur l'IA conversationnelle et le travail cognitif.
Or beaucoup de métiers sont physiques. Le 30 septembre, l'équipe économie d'Anthropic a publié une étude qui s'attaque à ce travail physique : « What work can robots do? », signée Russell Legate-Yang et Maxim Massenkoff. Elle propose un indice d'exposition des métiers aux robots, évalué avec l'aide de Claude.
Les auteurs définissent un robot comme une machine physique autonome qui perçoit et agit : une station de lavage qui scanne la voiture compte, un robot chirurgical entièrement téléopéré non.
Leur idée : un métier a plus de chances d'être touché si des robots savent déjà faire son travail aujourd'hui, au moins dans certains contextes.
Le point de départ est la base O*NET, qui décrit environ 900 métiers et 19 000 tâches aux États-Unis. Claude trie d'abord les tâches physiques, celles qu'on ne peut pas automatiser sans robot : 7 594 tâches au total.
Chaque tâche physique est ensuite classée selon l'environnement dont un robot a besoin pour la réaliser :
- E0 : aucun robot ne sait la faire ;
- E1 : un robot la fait dans un environnement conçu pour lui, comme une chaîne d'assemblage ;
- E2 : il la fait dans un lieu de travail humain structuré, comme un entrepôt logistique ;
- E3 : il la fait dans un environnement non structuré, comme une route en ville.
Pour noter une tâche, Claude cherche sur le web des robots précis (déploiements, ventes, démonstrations), sources à l'appui, qui la font à peu près aussi bien qu'un humain.
Chaque tâche est découpée en exemples concrets, pondérés par leur fréquence, et suit une règle de majorité : son niveau est l'environnement le moins structuré où les robots savent faire au moins la moitié des exemples. Pour « creuser des tranchées », creuser une tranchée droite en terrain dégagé (25 % du temps) est faisable par des pelleteuses autonomes, niveau E3 ; creuser à la main autour de canalisations enterrées (20 %) ne l'est pas, niveau E0. Comme la majorité des exemples ressemble au creusage délicat, la tâche est classée non exposée.
L'indice d'un métier est la moyenne de ses tâches, de 0 à 3, pondérée par le temps passé.
Les tâches physiques représentent 46 % du temps de travail aux États-Unis. Parmi elles, les robots peuvent en réaliser 74 % dans au moins un contexte, soit 34 % de l'ensemble du temps de travail.
Rapporté à toutes les tâches, 54 % relèvent du travail cognitif et relationnel ; côté physique :
- 12 % sont des tâches physiques hors de portée des robots (E0) ;
- 23 % sont faisables seulement dans un environnement conçu pour le robot (E1) ;
- 10 % dans un lieu de travail humain structuré (E2) ;
- 1 % seulement en environnement non structuré (E3).
L'essentiel de l'exposition suppose donc un cadre très contrôlé.
Sur les 10 métiers les plus exposés (parmi ceux d'au moins 20 000 emplois), 9 sont des métiers de conduite : voitures, tracteurs, camions autonomes. Les chauffeurs de taxi arrivent en tête avec un indice de 2,2 sur 3.
Les profils sont très différents de ceux exposés aux LLM. Comparés aux travailleurs non exposés, ceux du quintile le plus exposé aux robots sont, selon les données de l'American Community Survey 2020-2024 :
- 20 points moins souvent des femmes ;
- 55 points moins souvent diplômés d'une licence ou plus ;
- payés environ 30 dollars de l'heure de moins ;
- au chômage plus de deux fois plus souvent.
Selon les auteurs, c'est à bien des égards l'inverse du profil exposé aux LLM, plus diplômé, mieux payé et plus féminin dans l'étude de mars.
L'étude croise ensuite les deux types d'exposition. Côté LLM, elle reprend une mesure théorique (les tâches dont un LLM pourrait diviser le temps par deux), différente de l'exposition observée de mars : environ la moitié du travail est exposée. En ajoutant les robots, on passe à 81 %. Dans le transport et la manutention, l'exposition passe de moins de 15 % à environ 90 %.
Ce qui reste hors d'atteinte : les tâches en face à face, avec contact physique ou manipulation délicate, parfois réglementées. Les services et soins personnels (environ 40 % exposés), la réparation, les métiers d'appui aux soins ou le travail social sont dans ce cas. Aucun grand groupe de métiers n'est toutefois sous les 40 %.
Savoir faire ne veut pas dire être rentable. Pour chaque tâche exposée, Claude a estimé le coût annuel complet d'un robot et l'a comparé à la rémunération du travailleur.
Verdict : les robots sont moins chers qu'un humain pour 0,3 % du travail seulement. Cela inclut tout de même environ 300 000 travailleurs dont les robots peuvent faire au moins 95 % des tâches.
Le plus gros métier où les robots sont déjà compétitifs : les emballeurs (packers and packagers), environ 560 000 emplois aux États-Unis. Les robots nécessaires coûtent plus de 2 millions de dollars à acheter et installer, mais remplacent le travail d'environ 14 personnes, soit environ 45 000 dollars par an par poste. Un emballeur coûte environ 49 000 dollars et passe 97 % de son temps sur des tâches que les robots savent faire : le robot revient environ 2 500 dollars moins cher par an. L'emploi dans ce métier a baissé de 22 % depuis 2015.
Ailleurs, l'écart reste énorme : les robots capables de remplacer des soudeurs coûteraient environ cinq fois plus qu'eux.
Les prix des robots ont baissé d'environ 3 % par an depuis les années 1990. Pour que les robots soient rentables sur 10 % du travail, il faudrait une baisse d'environ 70 %, soit une quarantaine d'années à ce rythme. Les auteurs n'excluent pas que des humanoïdes ou de nouveaux procédés accélèrent la baisse.
Claude a aussi évalué les obstacles qui empêcheraient un robot de faire chaque tâche physique :
- les capacités bloquent environ 70 % des tâches physiques ; la manipulation ressort nettement, puisque la moitié des tâches ne seraient pas automatisées à grande échelle sans des robots plus adroits pour toucher et manipuler les objets (l'étude cite la dextérité nécessaire pour démêler des câbles) ;
- le raisonnement et la planification, que l'IA semble la plus à même d'améliorer, ne limitent que 8 % des tâches physiques ;
- la réglementation empêcherait aujourd'hui les robots de faire 14 % des tâches physiques, surtout dans la santé, la sécurité et l'éducation ;
- les préférences humaines freinent un quart des tâches, par manque de confiance (habiller un enfant) ou goût du contact humain (accueillir au restaurant).
L'indice mesure ce que les robots savent faire aujourd'hui, pas ce qu'ils feront, ni ce qui sera réellement adopté.
- Une mesure validée sur le passé, pas une prévision datée. Depuis 1977, les métiers plus exposés ont vu leurs salaires et leur emploi baisser dans les décennies suivantes. En 1977, 62 % des tâches physiques échappaient aux robots ; avec les robots actuels, il n'en reste que 24 %. Chaque année, les robots ont appris à faire environ 2 % des tâches qu'ils ne savaient pas encore faire. Mais des robots dopés à l'IA pourraient dépasser l'échelle et apprendre ce qu'ils ne savent pas faire aujourd'hui.
- Des jugements de Claude. La grille demande de nombreux arbitrages, sur des descriptions O*NET souvent laconiques, et les coûts sont approximatifs.
- La parité de coût n'implique pas forcément du chômage. Les tâches restantes peuvent devenir des goulets d'étranglement, et les coûts estimés incluent souvent de la supervision humaine.
- Des scénarios simplifiés. Les projections appliquent la même baisse de coût à toutes les tâches et laissent de côté préférences, réglementation et effets en retour comme la baisse des salaires.
- Un périmètre américain, sans l'effet de l'IA sur le travail physique hors robots.
Hormis les projections de coût, l'étude donne surtout un ordre de passage. Si le passé sert de guide, les auteurs s'attendent à ce que les chauffeurs de taxi et les emballeurs en entrepôt voient des changements avant les infirmiers et les mécaniciens, et proposent de surveiller ces métiers pour repérer les premiers signes.
À l'IFA, on a vu CyberOne présenté comme déjà au travail en usine. L'étude remarque justement que les humanoïdes sont testés dans des usines automobiles et des entrepôts, des environnements structurés où les robots sont déjà courants. Et pour nous, devs : les fabricants pourraient d'abord cibler le travail en usine utile à leurs propres opérations, un peu comme les entreprises d'IA ont misé en priorité sur les agents de code.
- Les robots savent faire 74 % des tâches physiques (34 % du temps de travail), surtout en environnement contrôlé.
- Robots et LLM exposent 81 % du travail.
- Rentables pour 0,3 % du travail ; environ 40 ans pour atteindre 10 % au rythme passé.
- Freins : coût, puis dextérité, préférences et réglementation.
