Anthropic a publié hier sur son site officiel son « Economic Index Report ».
Ce rapport analyse non seulement les usages de l’IA, mais aussi la mesure dans laquelle l’IA remplace véritablement la réflexion humaine.
Cette fois, Anthropic présente un nouveau cadre intitulé « Economic Primitives », qui permet de quantifier la complexité des tâches, le niveau d’études requis et le degré d’autonomie de l’IA.
L’avenir du travail révélé par ces données est bien plus nuancé que les simples récits d’« chômage » ou d’« utopie ».
Plus la tâche est complexe, plus l’IA accélère
Traditionnellement, on considère que les machines excellent dans les tâches répétitives et simples, mais qu’elles peinent dans les domaines qui requièrent une expertise avancée.
Les données d’Anthropic montrent l’inverse : plus la tâche est complexe, plus l’accélération apportée par l’IA est marquante.
Selon le rapport, pour les tâches ne nécessitant qu’un niveau d’études secondaires, Claude peut multiplier la vitesse de travail par neuf.
Quand la complexité atteint celle d’un diplôme universitaire, cette accélération passe à douze fois.
Cela signifie que les emplois de bureau qui exigeaient autrefois des heures de réflexion sont désormais ceux où l’IA atteint son efficacité maximale.
Même en tenant compte des erreurs ou hallucinations occasionnelles, la conclusion reste la même : le gain d’efficacité apporté par l’IA sur les tâches complexes compense largement le coût de correction de ses erreurs.
C’est pourquoi les programmeurs et analystes financiers s’appuient davantage sur Claude que les opérateurs de saisie de données : l’IA offre le plus grand levier dans les domaines à haute intensité intellectuelle.
Collaboration humain–IA sur 19 heures : la « nouvelle loi de Moore »
La découverte la plus marquante du rapport concerne le test de « l’endurance » de l’IA : la durée des tâches, mesurée avec un taux de réussite de 50 %.
Les benchmarks standards tels que METR (Model Evaluation & Threat Research) montrent que les meilleurs modèles (comme Claude Sonnet 4.5) restent en dessous de 50 % de réussite pour des tâches qui prennent deux heures aux humains.
Cependant, les données réelles des utilisateurs d’Anthropic révèlent une perspective temporelle bien plus longue.
Dans les scénarios commerciaux via API, Claude maintient un taux de réussite supérieur à 50 % sur des tâches nécessitant 3,5 heures de travail.
Sur la plateforme de chat Claude.ai, ce chiffre grimpe jusqu’à 19 heures.
Qu’est-ce qui explique une telle différence ? L’implication humaine est déterminante.
Les benchmarks testent l’IA de façon isolée, tandis que les utilisateurs réels découpent les projets complexes en étapes et guident continuellement l’IA par des boucles de rétroaction.
Ce flux de travail humain–IA étend le seuil de réussite à 50 % de 2 heures à environ 19 heures — soit près de dix fois plus.
Cela pourrait préfigurer le futur du travail : non pas une IA autonome, mais des humains apprenant à l’exploiter pour des projets de longue durée.
Carte mondiale : les pauvres apprennent, les riches produisent
À l’échelle mondiale, on observe une « courbe d’adoption » claire et quelque peu ironique.
Dans les pays développés à PIB par habitant élevé, l’IA est profondément intégrée à la productivité et à la vie quotidienne.
On l’utilise pour écrire du code, générer des rapports, ou organiser des voyages.
Dans les pays à faible PIB, Claude joue surtout le rôle de « professeur », la majorité des usages étant centrés sur les devoirs et le tutorat.
Au-delà de la disparité de revenus, ce schéma illustre aussi un fossé technologique.
Anthropic mentionne son partenariat avec le gouvernement rwandais pour aider la population à dépasser l’apprentissage de base et accéder à des usages plus larges.
Sans intervention, l’IA risque de devenir une nouvelle barrière : les régions aisées l’utilisent pour accroître exponentiellement leur production, tandis que les zones moins développées restent cantonnées à l’acquisition de connaissances fondamentales.
Risques au travail : l’ombre du « déclassement »
La partie la plus controversée — et la plus prudente — du rapport concerne le « déclassement ».
Les données montrent que les tâches actuellement prises en charge par Claude exigent en moyenne 14,4 années d’études (équivalent à un diplôme universitaire court), bien au-dessus de la moyenne économique de 13,2 ans.
L’IA élimine systématiquement les éléments « intellectuellement exigeants » du travail.
Pour les rédacteurs techniques ou les agents de voyage, cela pourrait être catastrophique.
L’IA s’est emparée de tâches telles que l’analyse sectorielle ou la planification complexe d’itinéraires — des emplois requérant de la réflexion — laissant aux humains les tâches subalternes comme le croquis ou la collecte de factures.
Votre emploi subsiste, mais sa « valeur ajoutée » est vidée de sa substance.
Il existe cependant des bénéficiaires.
Par exemple, les gestionnaires immobiliers peuvent se recentrer sur les tâches à forte dimension émotionnelle, telles que la négociation avec les clients et la gestion des parties prenantes, une fois l’administration routinière confiée à l’IA — c’est ce qu’on appelle « l’upskilling ».
Anthropic souligne qu’il s’agit d’une projection basée sur les tendances actuelles, et non d’une conclusion inéluctable.
Le signal d’alerte demeure réel.
Si votre principal atout réside dans la gestion d’informations complexes, vous êtes au cœur de la tempête.
Un retour à « l’âge d’or » de la productivité ?
Terminons par une perspective macro.
Anthropic a révisé ses prévisions concernant la productivité du travail aux États-Unis.
Après avoir pris en compte les erreurs et défaillances potentielles de l’IA, la croissance annuelle attendue de la productivité grâce à l’IA est désormais de 1,0 % à 1,2 % pour la prochaine décennie.
C’est environ un tiers de moins que l’estimation optimiste précédente de 1,8 %, mais il ne faut pas sous-estimer un seul point de pourcentage.
Cela suffirait à ramener la croissance de la productivité américaine à celle de la période faste d’Internet à la fin des années 1990.
Et cela ne repose que sur les capacités des modèles actuels en novembre 2025. Avec l’arrivée de Claude Opus 4.5 et la généralisation du « mode amélioré » (où les utilisateurs collaborent plus intelligemment avec l’IA), le potentiel de progression reste important.
Conclusion
À la lecture du rapport, ce qui frappe n’est pas seulement la montée en puissance de l’IA, mais la rapidité d’adaptation des humains.
Nous vivons une transition de « l’automatisation passive » vers « l’augmentation active ».
Dans cette transformation, l’IA agit comme un miroir, prenant en charge les tâches exigeant un haut niveau d’éducation mais résolues par la logique, et nous incitant à rechercher une valeur que les algorithmes ne peuvent quantifier.
À l’ère de la surabondance de puissance de calcul, la compétence humaine la plus rare n’est plus de trouver des réponses, mais de formuler les bonnes questions.
Avertissement :
- Cet article est une republication de [Synced]. Les droits d’auteur appartiennent à l’auteur original [Allen]. Pour toute objection à la republication, veuillez contacter l’équipe Gate Learn, qui traitera votre demande selon la procédure établie.
- Avertissement : Les opinions exprimées dans cet article sont celles de l’auteur et ne constituent pas un conseil en investissement.
- Les versions dans d’autres langues sont traduites par l’équipe Gate Learn. Sauf mention explicite de Gate, la reproduction, la distribution ou le plagiat des articles traduits sont interdits.
