Anthropic présente la métrique de « l'exposition observée », constatant peu de preuves de pics de chômage dus à l'IA

Dans une publication marquante le 5 mars 2026, Anthropic a publié un document de recherche économique complet intitulé « Labor market impacts of AI: A new measure and early evidence » (Impacts de l'IA sur le marché du travail : une nouvelle mesure et des preuves précoces). L'étude introduit un nouveau cadre pour mesurer l'interaction de l'intelligence artificielle (Artificial Intelligence - AI) avec la main-d'œuvre, dépassant les spéculations théoriques pour analyser les données d'utilisation réelles.

Les conclusions offrent une vision nuancée du paysage économique actuel : bien que les professions présentant une forte exposition à l'IA montrent des signes de ralentissement de la croissance prévue et d'une réduction de l'embauche pour les rôles débutants, il n'y a pas encore de preuve d'une augmentation systématique du chômage pour ces travailleurs. Cette recherche fournit un point de données crucial dans le débat en cours sur le déplacement d'emplois induit par l'IA, suggérant que l'impact de la technologie se manifeste actuellement sous la forme d'un « gel de l'embauche » ou d'une absorption plutôt que de licenciements massifs.

Dépasser la théorie : la métrique de « l'exposition observée » (Observed Exposure)

Les tentatives précédentes pour quantifier l'impact de l'IA sur l'emploi se sont largement appuyées sur la capacité théorique — en se demandant si un grand modèle de langage (Large Language Model - LLM) pourrait accomplir une tâche. La nouvelle recherche d'Anthropic soutient que la capacité n'équivaut pas à l'adoption. Pour combler cette lacune, les chercheurs Maxim Massenkoff et Peter McCrory ont développé une nouvelle métrique appelée « exposition observée ».

Cette métrique synthétise des données provenant de trois sources principales :

1. Capacité théorique : Estimations d'études précédentes (telles qu'Eloundou et al., 2023) sur la possibilité d'automatiser les tâches par des LLM.
2. Utilisation en conditions réelles : Données agrégées et anonymisées issues de l'Anthropic Economic Index, suivant l'utilisation réelle de Claude dans des contextes professionnels.
3. Définitions des tâches : La base de données O*NET, qui décompose plus de 800 professions en tâches constitutives spécifiques.

En filtrant les possibilités théoriques à travers le prisme du comportement réel, la métrique de l'exposition observée identifie non seulement les emplois qui pourraient être automatisés, mais aussi ceux qui sont en train de l'être. L'étude a révélé que si les modèles théoriques suggèrent que 94 % des tâches dans le domaine « Informatique et Mathématiques » sont exposées, la couverture réelle par Claude se situe actuellement autour de 33 %, soulignant un décalage important entre la faisabilité technique et la réalité économique.

Principales conclusions : croissance ralentie, pas de licenciements massifs

La conclusion centrale du document remet en question le récit catastrophiste d'un chômage technologique immédiat et massif. Malgré l'adoption rapide d'outils comme Claude, le taux de chômage des travailleurs du quart le plus exposé n'a pas divergé de manière significative de celui des rôles non exposés depuis la sortie de ChatGPT fin 2022.

Cependant, les données révèlent un effet de refroidissement sur la demande de main-d'œuvre pour les rôles exposés.

La corrélation avec la croissance de l'emploi

Les chercheurs ont trouvé une corrélation négative entre l'exposition observée et les projections d'emploi. Pour chaque augmentation de 10 points de pourcentage de l'exposition à l'IA, la croissance de l'emploi prévue par le Bureau of Labor Statistics (BLS) chute de 0,6 point de pourcentage. Cette validation suggère que si l'IA ne provoque pas de licenciements immédiats, elle pourrait réduire le besoin d'expansion future des effectifs.

Le « canari dans la mine de charbon » : les jeunes travailleurs

La conclusion la plus préoccupante concerne peut-être les nouveaux entrants sur le marché du travail. L'étude a identifié des preuves suggérant que l'embauche a ralenti pour les travailleurs âgés de 22 à 25 ans dans les domaines à forte exposition.

• Taux de recherche d'emploi : Après ChatGPT, le taux auquel les jeunes travailleurs entrent dans des professions exposées a chuté d'environ 14 % par rapport aux niveaux de 2022.
• Significativité statistique : Bien qu'à peine significative sur le plan statistique, cette tendance s'aligne sur l'hypothèse du « gel de l'embauche » — les entreprises pourraient conserver le personnel senior tout en utilisant l'IA pour absorber le travail qui aurait historiquement été confié à des employés débutants.

Professions à haute exposition vs professions à faible exposition

La recherche précise exactement quels rôles ressentent actuellement la pression de l'intégration de l'IA. Contrairement aux vagues d'automatisation précédentes qui affectaient le travail manuel, ce changement cible les professions cognitives à haute qualification.

Tableau : Professions les plus et les moins exposées selon l'exposition observée

Profession	Niveau d'exposition	Tâches primaires affectées
Programmeurs informatiques	Élevé (75 %)	Codage, débogage, automatisation de scripts
Représentants du service client	Élevé	Résolution de requêtes, récupération d'informations
Saisisseurs de données	Élevé (67 %)	Lecture de documents, saisie de données structurées
Analystes financiers	Élevé	Synthèse de données, rapports
Cuisiniers	Faible (0 %)	Préparation physique des aliments
Mécaniciens moto	Faible (0 %)	Réparation et entretien physique
Maîtres-nageurs	Faible (0 %)	Surveillance physique et sauvetage

Le profil démographique du travailleur « le plus exposé » est distinct : il est susceptible d'être mieux payé, plus instruit et de posséder des diplômes d'études supérieures. Par exemple, les travailleurs titulaires d'un diplôme d'études supérieures représentent 17,4 % du groupe le plus exposé, contre seulement 4,5 % du groupe non exposé.

Implications pour l'avenir du travail

La recherche d'Anthropic sert de base de référence critique pour surveiller la transition économique vers une économie augmentée par l'IA. Les auteurs notent que si les effets actuels sont subtils — visibles principalement dans la réduction de l'embauche pour les débutants plutôt que dans des licenciements — cela pourrait changer à mesure que les capacités de l'IA s'améliorent et que les barrières à l'adoption (telles que les contraintes juridiques ou l'intégration logicielle) s'abaissent.

L'étude se conclut par un appel à l'humilité et à une vigilance continue. Le cadre de l'exposition observée est conçu pour être mis à jour périodiquement, permettant aux décideurs politiques et aux économistes de suivre l'écart entre le potentiel de l'IA et son empreinte économique réelle. Pour l'instant, le marché du travail semble plier, mais ne rompt pas, sous le poids de l'IA générative (Generative AI).