[ETUDE] IA au travail : Anthropic chiffre le paradoxe productif

L’intelligence artificielle générative est désormais assez installée dans le travail quotidien pour produire ses premiers effets mesurables. Elle rédige, code, synthétise, vérifie, structure des raisonnements, automatise des tâches et aide des profils non techniques à accomplir des opérations autrefois réservées à des spécialistes. L’étude « What 81,000 people told us about the economics of AI », publiée par Anthropic le 22 avril 2026 et signée par Maxim MASSENKOFF et Saffron HUANG, apporte une lecture précise de cette transformation. Elle ne se limite pas à observer les usages de Claude. Elle analyse ce que les utilisateurs disent de leur productivité, de leurs inquiétudes et de la manière dont ils perçoivent la répartition des gains créés par l’IA.

La force de cette enquête tient à son matériau. Anthropic indique avoir exploité les récits de 80.508 utilisateurs de Claude ayant partagé leur expérience. Les auteurs parlent d’une étude auprès de 81.000 utilisateurs, arrondissant le volume de répondants. Cette taille permet de dégager des tendances robustes, même si les chercheurs rappellent plusieurs limites méthodologiques : l’échantillon porte sur des utilisateurs de comptes personnels Claude.ai, volontaires pour répondre, et non sur une population représentative de l’ensemble des actifs. L’étude utilise aussi des classificateurs alimentés par Claude pour inférer certaines variables, comme le métier, le stade de carrière ou la nature du gain de productivité. Anthropic précise que le métier n’a pu être identifié que pour 39 % des répondants, dont 11 % l’ont explicitement mentionné et 28 % ont été classés à partir d’indices contenus dans leurs réponses.

Le premier chiffre marquant concerne l’inquiétude économique. Un cinquième des répondants exprime une préoccupation liée au remplacement professionnel ou à la réduction de leur rôle sous l’effet de l’IA. Cette inquiétude ne se concentre pas chez les utilisateurs les plus éloignés de la technologie. Elle apparaît précisément dans les métiers où Claude est déjà fortement mobilisé. Anthropic utilise une mesure d’« exposition observée », définie comme la part des tâches d’un métier pour lesquelles Claude est utilisé. Selon l’étude, chaque hausse de 10 points de pourcentage de cette exposition est associée à une progression de 1,3 point de pourcentage de la perception d’une menace sur l’emploi.

Ce résultat donne une lecture économique plus fine que les discours généraux sur l’adoption de l’IA. Les collaborateurs qui comprennent le mieux le potentiel de l’outil ne sont pas nécessairement rassurés. Ils voient ce qu’il peut produire, ce qu’il peut réduire, ce qu’il peut remplacer et ce qu’il peut rendre moins nécessaire dans l’organisation du travail. Anthropic observe ainsi que les répondants appartenant aux 25 % de métiers les plus exposés évoquent la menace sur leur emploi trois fois plus souvent que ceux des 25 % les moins exposés. Les enseignants du primaire apparaissent moins inquiets que les ingénieurs logiciels, ce qui correspond à la forte présence de Claude dans les usages liés au code.

La fracture générationnelle ressort également avec netteté. Pour environ la moitié des répondants, Anthropic a pu inférer le stade de carrière à partir des réponses. Les profils en début de carrière expriment davantage de crainte que les profils seniors. Le graphique consacré à cette question montre une inquiétude autour de 8 % chez les répondants early-career, autour de 7 % chez les profils intermédiaires et proche de 4 % chez les seniors. La différence n’est pas seulement psychologique. Elle renvoie à la structure même des parcours professionnels. Les jeunes collaborateurs entrent souvent sur le marché par des tâches d’exécution, de documentation, de préparation, de support, de vérification ou de recherche. Ce sont précisément ces tâches que l’IA générative traite le plus rapidement.

Les gains de productivité sont réels, mais inégalement distribués

L’autre enseignement majeur de l’étude tient à l’ampleur des gains déclarés. Anthropic a évalué les bénéfices de productivité sur une échelle de 1 à 7, où 1 signifie une baisse de productivité, 2 une absence de changement et 7 une transformation profonde de la capacité de production. La moyenne atteint 5,1, ce qui correspond, dans la grille utilisée par les chercheurs, à un niveau de productivité « substantiellement » supérieur. Le chiffre est important : l’IA ne produit pas seulement un sentiment de modernité ou une amélioration marginale. Pour les utilisateurs interrogés, elle modifie déjà le volume, le rythme et parfois la nature du travail accompli.

Cette lecture doit toutefois être nuancée. Anthropic précise que 3 % des répondants signalent un impact négatif ou neutre sur la productivité, tandis que 42 % ne donnent pas d’indication claire sur ce point. L’étude porte sur des utilisateurs actifs de Claude, susceptibles d’avoir une relation plus favorable à l’outil que la moyenne des collaborateurs. Les gains déclarés ne doivent donc pas être lus comme une photographie générale du marché du travail. Ils renseignent plutôt sur ce que l’IA produit chez des utilisateurs déjà engagés dans son usage, souvent suffisamment avancés pour identifier des gains concrets ou des tensions dans leur activité.

Les données par catégories professionnelles montrent une hiérarchie instructive. Les plus hauts gains apparaissent dans les métiers du management, où l’étude identifie de nombreux entrepreneurs utilisant Claude pour construire ou développer une activité. Le score moyen de productivité y dépasse 5,3 sur 7. Les métiers de l’informatique et des mathématiques arrivent ensuite, autour de 5,15. Les professions de santé, de business et finance, ainsi que l’architecture et l’ingénierie, affichent également des gains élevés, légèrement au-dessus de 5. À l’inverse, les professions scientifiques et juridiques déclarent des bénéfices plus modérés. Le droit apparaît notamment proche de 4,6, ce qui reflète une prudence liée à l’exigence de précision, au respect strict des instructions et à la responsabilité attachée aux productions professionnelles.

La lecture par niveau de rémunération révèle un autre paradoxe. Les métiers les mieux payés déclarent les plus grands gains de productivité, mais les métiers les moins payés rapportent eux aussi des bénéfices importants. Le quatrième quartile salarial atteint environ 5,17 sur l’échelle de productivité. Le premier quartile se situe autour de 5,1, devant les deuxième et troisième quartiles, plus proches de 4,9 à 4,95. L’étude cite des cas de collaborateurs peu rémunérés utilisant Claude pour gagner du temps dans la relation client, mais aussi pour développer des projets techniques en parallèle, comme un chauffeur-livreur lançant une activité e-commerce ou un paysagiste construisant une application musicale.

Cette donnée nuance l’idée selon laquelle l’IA profiterait exclusivement aux métiers les plus qualifiés. Elle favorise les profils disposant d’un haut niveau d’éducation et de tâches complexes, mais elle permet aussi à certains collaborateurs moins favorisés d’accéder à des capacités nouvelles. L’enjeu n’est donc pas seulement la productivité dans l’emploi occupé. Il porte aussi sur l’élargissement du champ d’action individuel. Anthropic distingue quatre types de gains : le scope, c’est-à-dire la capacité à faire des tâches nouvelles ; la vitesse ; la qualité ; et le coût. Le gain le plus fréquent relève du scope, cité par 48 % des utilisateurs mentionnant explicitement un effet de productivité. La vitesse arrive ensuite, avec 40 %. Les gains de qualité apparaissent nettement plus bas, autour de 11 %, tandis que le gain de coût reste marginal, inférieur à 2 %.

Cette distinction est décisive pour comprendre l’économie de l’IA. Faire plus vite ce que l’on faisait déjà n’a pas les mêmes conséquences que faire ce qui était auparavant impossible. Dans le premier cas, l’entreprise peut être tentée de comprimer les délais, d’augmenter les objectifs ou de réduire les effectifs nécessaires à la production. Dans le second, l’IA élargit les capacités d’un collaborateur, d’un indépendant ou d’une petite équipe. Elle peut permettre de lancer un prototype, de concevoir un support, d’automatiser une partie d’un processus ou de tester une idée sans mobiliser immédiatement un budget externe. Pour les organisations, cette différence doit structurer les politiques d’usage : l’IA peut être un outil de réduction de coûts ou un levier de montée en compétence. Les deux logiques ne produisent pas les mêmes effets sociaux.

La vraie question porte sur la capture du surplus

L’étude d’Anthropic aborde un point souvent moins visible dans les débats sur l’IA : qui récupère la valeur créée ? Parmi les répondants qui identifient un bénéficiaire des gains de productivité, près de 70 % estiment que le bénéfice leur revient personnellement. Ils parlent de tâches plus rapides, de capacités élargies, de temps libéré ou d’efforts réduits. Cette perception s’explique en partie par la nature de l’échantillon, composé d’utilisateurs de comptes personnels. Un collaborateur qui utilise Claude de sa propre initiative peut ressentir immédiatement le gain comme une amélioration individuelle, avant même que l’organisation ne l’intègre dans ses processus.

Mais l’étude signale déjà un déplacement possible. Environ 10 % des répondants qui nomment un bénéficiaire indiquent que les employeurs ou les clients captent le gain en demandant davantage de travail. Cette donnée est faible en volume, mais stratégique dans sa signification. Elle indique que l’IA peut très vite transformer un gain de temps en nouvelle norme de production. Un collaborateur qui exécute plus vite une tâche peut ne pas obtenir plus d’autonomie ou de reconnaissance. Il peut simplement recevoir davantage de demandes, des objectifs plus élevés ou des dossiers plus complexes, sans amélioration équivalente de ses conditions de travail.

Cette question est d’autant plus sensible que le sentiment de bénéfice varie selon le stade de carrière. Anthropic indique que 60 % des collaborateurs en début de carrière déclarent bénéficier personnellement de l’IA, contre 80 % des professionnels seniors. L’écart est important. Les seniors disposent généralement de l’expérience nécessaire pour cadrer les demandes, juger les réponses, corriger les erreurs et intégrer l’IA dans une décision. Les juniors, eux, risquent de voir disparaître une partie des tâches par lesquelles ils apprennent le métier. Si les organisations automatisent les niveaux d’entrée sans reconstruire les parcours d’apprentissage, elles peuvent gagner en productivité immédiate tout en affaiblissant leur vivier futur de compétences.

Le rapport met aussi en évidence une relation en U entre le gain de vitesse et l’inquiétude professionnelle. Les utilisateurs qui déclarent être ralentis par l’IA sont plus susceptibles de se sentir menacés, notamment dans certains métiers créatifs où l’outil est perçu comme rigide, standardisant ou inadapté au processus de création. Mais les utilisateurs qui déclarent les plus fortes améliorations de vitesse sont eux aussi très inquiets. Selon le graphique d’Anthropic, la menace perçue dépasse 4 % chez ceux pour qui l’IA rend le travail « beaucoup plus lent » et atteint également plus de 4 % chez ceux pour qui elle rend le travail « beaucoup plus rapide ». Entre les deux, le niveau d’inquiétude est plus bas, notamment autour du score 2, proche de 1,3 %.

Ce résultat résume le paradoxe productif de l’IA. Lorsque l’outil ne fonctionne pas correctement, il inquiète parce qu’il dévalorise la qualité ou perturbe le métier. Lorsqu’il fonctionne très bien, il inquiète parce qu’il pose la question de l’utilité économique du poste tel qu’il existe. La vitesse n’est donc pas un bénéfice neutre. Elle modifie la perception de la valeur du travail, la négociation implicite entre collaborateur et employeur, ainsi que la manière dont les entreprises peuvent redessiner les postes. Pour les directions RH, l’enjeu n’est pas seulement d’encourager l’adoption. Il est de définir ce qui doit être automatisé, ce qui doit rester sous contrôle humain, ce qui doit devenir une compétence nouvelle et ce qui doit être protégé comme espace d’apprentissage.

Pour les entreprises marocaines et africaines, cette étude offre un cadre de lecture utile. L’IA peut renforcer la compétitivité, aider les petites structures à produire mieux avec moins de ressources, faciliter l’accès à des compétences techniques et soutenir l’entrepreneuriat. Mais elle peut aussi fragiliser l’entrée des jeunes sur le marché du travail si les postes juniors sont traités comme de simples coûts automatisables. Les DRH devront donc articuler trois sujets : la productivité, la transmission des compétences et la soutenabilité des trajectoires professionnelles. Les gains mesurés par Anthropic sont réels, mais ils ne suffisent pas à définir une politique responsable. Une organisation plus rapide n’est pas nécessairement une organisation plus solide. La valeur durable viendra de la capacité à transformer l’IA en outil d’apprentissage, de qualité et de progression, plutôt qu’en simple mécanisme d’intensification du travail.