L’utilisation prolongée de l’IA par les employés augmente-t-elle leurs compétences et leur efficacité au travail ? L’application de Claude s’étend des premiers adopteurs technologiques aux utilisateurs grand public, modifiant la nature du travail assisté par intelligence artificielle, avec des impacts changeants sur le marché du travail et l’inégalité économique. Cet article est une traduction du dernier rapport d’Anthropic, l’Indice Économique Humain (Anthropic Economic Index), qui fournit une étude sur l’intégration de l’IA dans le marché du travail moderne. Le rapport, basé sur des données recueillies du 5 au 12 février 2026, provient d’un million d’échantillons de conversations entre consommateurs et développeurs d’API sur Claude.ai, suivant l’évolution de l’utilisation, la diffusion géographique et les tendances. Il analyse les changements dans l’utilisation de l’IA par les utilisateurs et prévoit les retombées économiques futures.
Utilisation principale pour la programmation, augmentation des dialogues quotidiens personnels
Le signal le plus évident dans les données est que le groupe d’utilisateurs de Claude s’élargit, passant d’un noyau principalement technique à un public plus large. La programmation reste dominante, avec 35 % des conversations sur Claude.ai liées à l’informatique et aux mathématiques, mais la concentration sur des tâches spécifiques diminue nettement.
Ce changement est en partie dû à la migration des tâches de codage vers l’API, notamment via Claude Code, qui divise les tâches de programmation en plusieurs appels API plus petits. Cette diversification reflète aussi une véritable expansion de la base d’utilisateurs : la proportion de dialogues liés à l’usage personnel dans le trafic de Claude.ai est passée de 35 % à 42 %, principalement grâce à des conseils sportifs, des comparaisons de produits et des questions de maintenance domiciliaire. Les dialogues liés aux devoirs scolaires ont diminué de 19 % à 12 %, en partie parce que certains pays sont en vacances d’hiver.
Le temps moyen d’utilisation de Claude par les utilisateurs a légèrement diminué, mais reste supérieur au salaire moyen
De plus en plus d’utilisateurs ordinaires commencent à utiliser Claude. La valeur moyenne des tâches (mesurée par le salaire horaire moyen pour ces tâches aux États-Unis) sur la plateforme a légèrement baissé, passant de 49,30 $ à 47,90 $ par heure. Cela correspond à la courbe classique d’adoption technologique : les premiers utilisateurs privilégient des tâches à forte valeur ajoutée (comme le développement logiciel), tandis que les utilisateurs ultérieurs l’appliquent à des usages quotidiens plus simples. Malgré cette baisse, les utilisateurs de Claude continuent de s’engager dans des tâches nécessitant des compétences et des salaires supérieurs à la moyenne américaine, soulignant que l’adoption de l’IA reste concentrée chez les travailleurs du savoir.
D’autres indicateurs montrent une légère baisse de la complexité des interactions avec Claude : le nombre moyen d’années d’éducation requis pour les entrées utilisateur est passé de 12,2 à 11,9 ans ; les utilisateurs donnent à l’IA plus d’autonomie, et le temps estimé pour qu’une tâche soit entièrement réalisée par un humain seul a diminué d’environ 2 minutes.
Le degré d’automatisation via API continue de croître
Bien que la tendance de Claude.ai soit de se concentrer davantage sur des applications augmentées (c’est-à-dire assistées par l’IA plutôt que remplacant l’humain), le développement de ses API va à l’encontre, avec une augmentation de plus du double de l’utilisation dans deux catégories de flux de travail spécifiques entre novembre 2025 et février 2026.
Automatisation des ventes et du développement commercial : génération de données de vente, qualification de prospects B2B, enrichissement de données clients, rédaction d’e-mails de prospection.
Surveillance de marché, conseils en investissement, alertes de trading en temps réel, automatisation des transactions et opérations de marché.
Ces résultats indiquent que les cas d’usage orientés vers l’automatisation se développent plus rapidement dans l’écosystème des développeurs que dans l’environnement des consommateurs, ce qui aura un impact significatif sur des secteurs comme la vente, la finance et le service client. Le rapport souligne que, avec la migration des tâches de codage de Claude.ai vers l’API, ces emplois pourraient faire face à une transformation plus urgente. L’augmentation du degré d’automatisation API est considérée comme un indicateur précoce de changement professionnel.
Réduction du décalage régional aux États-Unis, augmentation du décalage mondial
La tendance d’utilisation aux États-Unis se rapproche : le décalage régional dans l’utilisation de Claude diminue, la part par habitant dans les cinq États les plus utilisés passant de 30 % en août 2025 à 24 % en février 2026. La base d’utilisation dans chaque État diminue également, indiquant que les États à faible adoption rattrapent leur retard. Cependant, la vitesse de convergence ralentit : à ce rythme, atteindre un équilibre régional pourrait prendre de 5 à 9 ans, contre une prévision précédente de 2 à 5 ans.
À l’échelle mondiale, la tendance est à l’aggravation des inégalités : la part par habitant dans l’utilisation de Claude par les 20 pays les plus avancés est passée de 45 % à 48 %. La différence entre les pays à haut revenu et à forte connectivité Internet se creuse, alimentant les inquiétudes sur l’élargissement du fossé mondial en matière d’IA.
Les disparités dans l’adoption de l’IA reflètent un modèle plus large d’« inégalité économique liée à l’IA » : si les premiers adopteurs dans les pays riches récoltent une part disproportionnée des gains de productivité, cela pourrait accentuer les écarts économiques existants.
L’expérience rend plus compétent en IA
L’un des résultats les plus marquants et liés aux politiques est la forte corrélation entre expérience utilisateur et efficacité de l’IA. L’équipe de recherche a comparé les modèles d’utilisation entre différents groupes d’utilisateurs (selon leur durée d’utilisation) et a distingué les « utilisateurs expérimentés » (au moins six mois d’inscription) des nouveaux.
Les utilisateurs expérimentés travaillent différemment
Les utilisateurs à long terme utilisent Claude plus fréquemment et plus efficacement. Ils ont tendance à collaborer avec Claude pour des itérations, à poser des questions plus complexes, et à obtenir moins de répétitions pour atteindre leurs objectifs.
Tâches principales : recherche en IA, opérations Git, révision de documents, financement de startups
L’étude montre qu’à chaque année supplémentaire d’utilisation, la complexité éducative des entrées augmente d’environ une année d’apprentissage. Cela indique que les utilisateurs améliorent leurs compétences en prompts IA avec le temps, et ne se contentent pas de poser les mêmes questions plus longtemps.
Après contrôle des types de tâches, de la langue, du modèle utilisé et du pays d’origine, la réussite dans les dialogues est supérieure de 4 points de pourcentage chez les utilisateurs expérimentés par rapport aux novices. Cela prouve que la pratique mène à la maîtrise, et que l’expérience dans l’utilisation de l’IA se traduit par une application plus efficace.
Les données montrent aussi que les utilisateurs expérimentés ont une tendance à se concentrer sur certains types de tâches : recherche en IA, opérations Git, révision de documents, financement de startups. À l’inverse, leurs tâches les plus courtes concernent la poésie haïku, la consultation de scores sportifs ou la recommandation culinaire, caractéristiques d’une exploration récréative.
Les développeurs d’API utilisent Opus pour des projets informatiques et mathématiques
Le rapport indique aussi que les utilisateurs, notamment les développeurs d’API, deviennent plus prudents dans le choix des modèles déployés. Pour Claude.ai, Opus (le modèle le plus puissant) est choisi dans 55 % des tâches informatiques et mathématiques, mais seulement 45 % pour les tâches éducatives. Chaque augmentation de 10 $/h dans la valeur de la tâche augmente de 1,5 point de pourcentage la probabilité d’utiliser Opus chez Claude.ai, et de 2,8 points chez les utilisateurs API.
Dans le développement API, la calibration entre modèle et tâche est deux fois plus élevée que dans les produits grand public, indiquant une optimisation en termes de coûts et de fonctionnalités pour les utilisateurs professionnels.
L’expérience en IA peut devenir un avantage professionnel
Les découvertes sur la courbe d’apprentissage sont parmi les plus influentes : si les utilisateurs expérimentés surpassent systématiquement les novices dans l’exécution des mêmes tâches, cela suggère que l’IA pourrait accentuer, plutôt que réduire, l’écart de compétences dans la main-d’œuvre. Les employés qui ont adopté l’IA tôt, et l’utilisent depuis plusieurs mois ou années, pourraient déjà bénéficier d’un avantage de productivité durable.
C’est une voie directe vers ce que les économistes appellent la « transformation technologique orientée vers les compétences » : la nouvelle technologie augmente les salaires des travailleurs hautement qualifiés, tout en risquant de supprimer des emplois peu qualifiés. Les travailleurs les plus vulnérables à la disruption par l’IA pourraient aussi être ceux qui en tirent le plus de bénéfices.
L’automatisation API accélère discrètement
L’augmentation du doublement des flux de travail liés à la vente et au trading dans l’API est un signal important : ces cas ne sont pas hypothétiques, mais déployés à grande échelle en production. Le rapport précédent soulignait déjà la dépendance accrue des ventes et du service client à l’IA, et cette tendance se poursuit avec la mise en œuvre concrète de workflows automatisés. Les décideurs et planificateurs du marché du travail doivent suivre de près cette évolution.
L’adoption de l’IA progresse vers les pays riches, mais le décalage mondial s’accroît
Alors que la tendance aux États-Unis tend à s’unifier, la diffusion mondiale de l’IA s’aggrave. La part par habitant dans l’utilisation de Claude dans les pays à revenu élevé continue d’augmenter. Si la productivité IA se concentre dans les économies déjà riches, cela pourrait intensifier le fossé mondial, surtout pour les pays qui ne sont pas encore prêts à exploiter massivement ces outils.
Les entreprises doivent commencer à former leurs employés à l’IA
Pour les entreprises, la stratégie la plus simple et la plus concrète consiste à encourager l’utilisation régulière des outils d’IA. Le temps et la pratique sont cruciaux : si l’expérience est fortement liée au succès, fournir des projets structurés, des formations sur les prompts et des cas d’usage peut considérablement augmenter la productivité. La maîtrise de l’IA n’est pas innée, mais se développe avec une utilisation continue.
Ce que l’indice économique signifie pour l’emploi et l’économie
Alors que l’IA devient plus répandue et que les premiers développeurs en tirent avantage, cette dynamique se concentre initialement sur des applications à forte valeur et à haute compétence. La diffusion plus large de la technologie indique une adoption plus mature, mais pourrait aussi signaler la fin de la fenêtre d’avantage relatif pour les premiers développeurs.
Qui bénéficie le plus de l’IA ? Quand ?
Les retombées économiques de l’IA ne sont pas réparties uniformément : les plus expérimentés, compétents et engagés en tirent des bénéfices plus importants. À mesure que l’IA devient un outil courant dans le travail du savoir, renforcer la capacité d’intégration de l’IA dans les organisations pourrait devenir la politique économique la plus cruciale pour la prochaine décennie.
Les premiers utilisateurs d’outils IA ne sont pas seulement les premiers à utiliser, mais aussi ceux qui en tirent le plus d’efficacité. Dans un monde où l’IA peut considérablement augmenter la productivité des personnes compétentes, « l’expérience IA » devient un nouvel avantage concurrentiel. Le rapport « Human Economic Index » publié en mars 2026 dépeint une image complexe de la transformation économique alimentée par l’IA, où des outils comme Claude sont de plus en plus présents dans le monde du travail.
Source : Rapport de l’Indice Économique Humain – Courbe d’apprentissage (24 mars 2026)
Rapport original : anthropic.com/research/economic-index-march-2026-report
Auteurs : Maxim Massenkoff, Eva Lyubich, Peter McCrory, Ruth Appel, Ryan Heller
