Les chatbots IA grand public suscitent de nombreuses interrogations quant à leur influence sur le monde du travail. Mais comment sont-ils réellement utilisés aujourd’hui ?
Une équipe de recherche d’Anthropic a analysé plusieurs millions de conversations sur la plateforme Claude.ai afin d’identifier précisément les tâches professionnelles pour lesquelles les utilisateurs ont recours à l’IA. Les résultats offrent un panorama inédit et chiffré de l’impact progressif de l’IA sur différents secteurs de l’économie.
Le cas Claude.ai est très intéressant car c’est la première fois qu’un fournisseur de LLM de cette envergure rend disponible ce type d’informations.
Étude rendue publique le 10 février 2025 : Economic Tasks AI Paper / Dataset : EconomicIndex
Attention : Bien que les technologies grand public soient faciles d’accès et extrêmement performantes, nous invitons les utilisateurs professionnels à la plus grande prudence : IA générative grand public en entreprise : Quels risques ?
Contexte et méthodologie de l’étude
Pour mieux comprendre l’impact de l’IA générative grand public chez les professionnels, Anthropic s’est basée sur un outil d’analyse baptisé Clio, conçu pour étudier de façon sécurisée et agrégée les échanges entre les utilisateurs et un LLM.
Uniquement les données des utilisateurs de Claude.ai Free et Pro sont analysées ici, et non celles des utilisateurs API, Team ou Enterprise.
Objectif : faire correspondre chaque conversation à une tâche donnée, selon les catégories définies par le référentiel O*NET, une vaste base de données américaine répertoriant des milliers d’activités professionnelles.
Principes d’analyse :
- Filtrage : bien que les données de Claude.ai contiennent des conversations non professionnelles, les chercheurs ont utilisé un modèle de langage pour filtrer les données afin de ne conserver que les conversations relatives à une tâche professionnelle.
- Classification : chaque conversation a été attribuée à la catégorie O*NET la plus pertinente, via un processus hiérarchique analysant dans le détail le contenu de la requête et la réponse fournie par Claude.
- Validation humaine : des échantillons ont été vérifiés manuellement, confirmant un taux de précision élevé pour cette méthode de classification. Celui-ci varie de 95% à 86% suivant le niveau de précision de la taxonomie. Plus la classification s’affine vers des tâches précises, plus la difficulté augmente, ce qui fait mécaniquement baisser le taux de précision.
Limites de l’étude :
- Focus sur Claude.ai : d’autres outils (comme ChatGPT, Gemini, Le Chat Mistral) pourraient présenter des tendances similaires ou différentes selon leurs utilisateurs et leurs fonctionnalités.
- Base O*NET : majoritairement américaine, ce qui peut biaiser l’analyse pour des tâches ou métiers moins représentés aux États-Unis.
- Difficulté à retracer l’usage final : l’étude mesure l’usage actuel sur la plateforme, mais pas comment les utilisateurs réintègrent le contenu dans leurs workflows.
- Images et vidéos : Claude.ai ne peut pas générer d’images (sauf indirectement par le biais du code) ou de vidéo, certaines utilisations créatives ne sont donc pas représentées dans les données.
Les principaux secteurs d’activité impactés
Les chiffres se réfèrent au pourcentage de conversations avec Claude.ai liées à ces tâches, titres et catégories professionnelles. Source : Anthropic
Selon l’étude, l’adoption de l’IA reste très marquée dans les domaines où le développement informatique et la production de texte sont centraux :
- Développement informatique : environ 37 % des conversations analysées relèvent de tâches associées à la programmation, au debugging et à la maintenance de réseaux.
- Rédaction et création de contenu : environ 10 % des utilisations correspondent à la génération d’articles, de scripts, de matériel marketing ou encore de documentation technique dans des contextes éducatifs et de communication.
- Domaines à composante analytique : comme la data science, où l’IA est employée pour le nettoyage de données, la génération de code analytique ou la création de rapports.
En revanche, les métiers nécessitant des interventions physiques (par exemple en médecine chirurgicale ou dans le bâtiment) sont beaucoup moins présents dans les échanges. L’assistance de l’IA se limite là davantage à des tâches en amont (ex. synthèse d’informations, conseils généraux) plutôt qu’à des actions pratiques.
Profondeur d’adoption de l’IA grand public
Un élément de l’étude aborde dans quelle mesure l’IA générative grand public est employée pour chaque profession. Les résultats montrent qu’environ 36 % des professions utilisent l’IA pour au moins un quart de leurs tâches. Toutefois, seules 4 % des professions recourent à l’IA pour plus de 75 % de leurs tâches.
On constate donc :
- Un usage sélectif : L’IA n’est pas encore un outil universel, mais se concentre sur des cas d’usage précis.
- Des disparités sectorielles : Le développement web peut, par exemple, multiplier les sollicitations de l’IA pour coder ou corriger des erreurs. À l’inverse, certaines professions médicales n’ont recours à l’IA que pour la mise à jour de documents ou la veille scientifique.
Des compétences cognitives dominantes
Parmi les 35 compétences répertoriées dans O*NET, les compétences cognitives telles que celles liées à la compréhension de la lecture, l’écriture, la pensée critique et la programmation sont les plus représentées dans les conversations, tandis que les compétences physiques (installation, entretien, réparation des équipements) et les compétences managériales (négociation) sont très peu présentes.
Cette tendance illustre un décalage : l’IA est d’abord employée dans des domaines relevant du traitement de l’information plutôt que de l’action concrète sur le terrain.
Entre automatisation et collaboration
Un des volets de l’étude porte sur la manière dont les utilisateurs mobilisent l’IA dans leurs workflows :
- Automatisation (43 %) : L’utilisateur “délègue” tout ou partie d’une tâche à l’IA, qui la réalise sans grande intervention humaine. Par exemple, la génération directe d’un texte, d’un extrait de code ou la résolution d’un problème mathématique.
- Collaboration (57 %) : L’IA devient alors un partenaire. L’utilisateur peaufine, corrige ou valide des propositions de l’IA, comme pour du code à itérer ou un texte à réorganiser.
Il s’agit d’un point clé : d’un côté, l’IA permet de gagner du temps sur des tâches répétitives et, de l’autre, elle sert de copilote, incitant les professionnels à affiner leurs productions.
Usage par type de modèle de langage
L’étude compare les usages de deux versions du modèle Claude : Claude 3 Opus (sorti en mars 2024) et Claude 3.5 Sonnet (sorti en octobre 2024). Les données recueillies montrent une répartition proche (54 % pour Sonnet et 46 % pour Opus) mais avec des spécialisations différentes :
- Claude 3 Opus est davantage mobilisé pour des tâches créatives et éducatives : rédaction artistique, préparation de programmes d’études, publication de livres, etc.
- Claude 3.5 Sonnet est privilégié pour les tâches de codage et de développement logiciel (débogage, maintenance d’applications web, etc.), en cohérence avec sa réputation de bonnes performances en programmation.
Ce suivi d’usage par type de modèle permet de repérer quelles nouvelles fonctionnalités ou améliorations d’un modèle d’IA influent réellement sur la répartition des tâches dans les différents secteurs professionnels.
Relation avec le niveau de salaire et le degré de formation
Les chercheurs ont constaté un pic d’utilisation pour les métiers situés dans la tranche salariale « moyenne à élevée » (mais pas au sommet de l’échelle) et requérant généralement un diplôme de niveau licence.
Les professions les moins bien payées ou, à l’autre extrême, celles qui exigent un niveau d’expertise très élevé montrent des taux d’adoption plus faibles.
Cela reflète probablement :
- Les obstacles pratiques à l’utilisation de la technologie : la main-d’œuvre non qualifiée ou peu qualifiée est moins susceptible de confier des tâches à un assistant IA. Il s’agit généralement d’emplois impliquant une grande dextérité manuelle.
- Les limites des capacités actuelles de l’IA : que cela soit au niveau réglementaire ou opérationnel. Dans la santé, par exemple, l’emploi de l’IA exige des procédures drastiques de validation et des garanties de conformité.
Vers une évolution des usages
L’étude met en évidence que l’adoption de l’IA est en pleine évolution et qu’elle tend à se diffuser progressivement vers un éventail plus large de tâches. Les chercheurs soulignent également plusieurs facteurs qui, s’ils changent, pourraient modifier en profondeur le paysage :
- Amélioration de l’IA : chaque nouvelle version des LLM utilisés par Claude.ai apporte son lot d’innovations.
- Nouveaux types d’utilisation : la capacité à traiter la voix, l’image ou la vidéo pourrait attirer d’autres secteurs professionnels.
- Enjeux sociétaux et réglementaires : les politiques publiques, le cadre légal et l’acceptation sociale joueront un rôle majeur dans la vitesse et l’ampleur de l’adoption de l’IA.
Les risques liés à l’IA générative grand public en entreprise
Depuis les années 90, les outils informatiques que nous utilisons tous les jours sont devenus plus performants à notre domicile qu’en entreprise.
L’intelligence artificielle n’échappe pas à cette règle, et les solutions d’IA générative grand public comme Claude.ai semblent résoudre un bon nombre de problèmes.
Leur puissance et leur facilité d’utilisation en font des outils très attractifs pour les employés, mais leur usage incontrôlé peut poser des défis aux entreprises en termes de sécurité et de fiabilité.
Les entreprises doivent-elles sauter le pas et utiliser des solutions IA grand public ? Quels sont les impacts d’une utilisation non contrôlée par les employés ?
Découvrez notre article : IA générative grand public en entreprise : Quels risques ?
