Ce qu'il faut retenir de l'étude d'Anthropic.
Nous sommes ravis de retrouver Jérémy Lacoste, contributeur sur la Réclame. Jérémy est directeur général France de l’agence Eskimoz. C’est un expert du marketing digital, des martech et de la publicité en ligne. Il a pour grande qualité de partager chaque semaine ses analyses et observations, que ce soit sur LinkedIn, dans son podcast Icebreaker, en tant qu’enseignant ou dans ses tribunes sur la Réclame.
Après ChatGPT il y a quelques mois, c’est au tour d’Anthropic de sortir son étude sur
l’usage de l’IA. Et le moins que l’on puisse dire, c’est qu’elle aussi est riche en
enseignements.
Car là, nous ne sommes pas sur de l’intuition ou du déclaratif, mais sur de l’utilisation
quantifiée, mesurée. De la data pure donc. Qui permet finalement de prendre ses
distances avec nos propres biais ou hallucinations. Il n’y a pas que l’IA qui a
des partis pris.
Avant de rentrer dans l’étude, deux chiffres :
— L’impact sur la croissance : au cours des 10 prochaines années, l’IA devrait
augmenter la productivité du travail aux Etats-Unis de quasi 2 % par an. Loin donc la
croyance sur les effets de l’intelligence artificielle qui ne seraient visibles qu’à long
terme ;
— La courbe d’adoption : elle est grosso modo 10 fois plus rapide que toutes les
ruptures technologiques récentes comme l’électricité ou l’ordinateur. Avec un taux de
pénétration pas si différent finalement à l’intérieur de la population d’un même
pays.
Mettons la focale sur l’étude dont le panel, je le rappelle, est issu des utilisateurs de
Claude avec les orientations que cela comprend : usages plus B2B, population plus
diplômée, etc.
1. L’IA augmentée vs l’IA automatisée
Même si les cas d’usage autour de l’automatisation restent très conséquents, la partie
IA augmentée progresse. Traduction : les utilisateurs utilisent Claude en masse pour
itérer / collecter du feedback / apprendre. Et non forcément recueillir un livrable tout
fait.
Cette tendance vers la collaboration humain et machine est naturellement portée par toutes les dernières mises à jour d’Anthropic autour des fonctionnalités collaboratives ou dernièrement Cowork.
En creux quand même semble se dessiner un modèle où l’utilisateur final est un orchestrateur d’IA.
2. La commodisation de quelques tâches
La diversité des usages reste assez pauvre. Est-ce par manque d’imagination ou par stoïcisme numérique ? Quoi qu’il en soit, on observe que Claude reste massivement utilisé pour un cadre restreint de tâches. Le Top 10 représente respectivement ¼ des requêtes sur le chat et 1/3 en API.
Et dans le détail, il n’y a pas de grandes divergences d’une période à une autre. En tête : du code, du calcul, du design, de l’information et de l’apprentissage.
3. Adoption géographique
ChatGPT et Claude, même diffusion. A quelques variations près. En tout cas, il y a une corrélation majeure entre adoption IA et PIB par habitant, avec des usages qui diffèrent cependant :
— Dans les pays riches, le personnel et le loisir dominent ;
— Dans les pays à plus faible revenu, Claude est prioritairement utilisé pour l’éducation et les travaux académiques.
Notons aussi des singularités comme l’Europe de l’Est ou l’Inde qui utilisent massivement Claude. Pour une raison simple : une sur-représentation de profils tech parmi la population globale, plus à même d’être client de Claude.
Et c’est peut-être cela le plus grand changement : l’accessibilité quasi instantanée et mondiale de ces technologies. D’abord grâce à un pricing très compétitif. Ensuite grâce à une utilisabilité sans pareil.
4. Impact métier : « upskilling » vs « deskilling »
Plus intéressante est la manière dont l’IA segmente les compétences professionnelles. Et c’est sûrement là que le bât blesse :
— L’upskilling : ou la montée en compétences. Pour certaines professions, l’IA se concentre sur toutes les tâches routinières / automatisables (comptabilité, administratif, compte-rendus, etc.) afin de libérer du temps pour se concentrer sur des tâches non structurées. Ex : gestionnaires immobiliers qui se concentrent sur la négociation ou la vente du projet.
— Le deskilling (déclassement) : ou le déclassement. Pour d’autres professions, l’IA adresse l’ensemble du scope opérationnel du poste (planification, modélisation, suggestions), laissant aux travailleurs la partie compliance ou réassurance. Ex : agents de voyages qui se concentrent sur le paiement ou l’émission de billets.
Pire, là où certains auraient pu voir dans les LLM un futur égalisateur des chances, c’est tout l’inverse qui se produit. La qualité de la relation IA-humain ou la valeur du livrable produit est directement corrélée au niveau d’étude.
Traduction : tout le monde peut utiliser l’IA. En revanche, seule une minorité sait l’utiliser de la bonne façon et en tirer le meilleur.
Alors certes, Claude est aujourd’hui certainement utilisée par une caste dont le niveau d’éducation est plus élevé que la moyenne de l’économie globale. Il n’empêche, deux apprentissages :
— Le niveau de complexité de la réponse de Claude s’aligne sur le niveau d’input de l’utilisateur. Prompt médiocre = livrable médiocre.
— Les pays au plus fort capital humain et / ou dont l’intensité d’ingénierie est la plus forte sont ceux qui tirent le mieux parti de Claude, peu importe l’adoption globale.
5. La complexité, cette frontière infranchissable
L’AGI est encore loin. Le rapport dévoile le pot aux roses : Claude est excellent dans les tâches simples et se dégrade à mesure que l’on monte en complexité. Loin donc de l’image d’Épinal d’un moteur qui coderait tout seul pendant des heures.
Pour le mesurer, Anthropic calque la difficulté sur un volume horaire. Ainsi sur l’API, toutes les tâches qui excèdent les 2H de travail humain échouent une fois sur deux. Sur la plateforme Claude directement, c’est 1/3.
Autre point de vue que met en exergue l’étude : la distribution des tâches par niveau d’étude dans l’économie réelle et le chevauchement de l’IA. Un constat nouveau : là où historiquement les ruptures technologiques impactent en général les cols bleus, ce sont désormais les cols blancs qui sont en premières lignes.
Autrement dit, le spectre d’intervention de Claude couvre la quasi-totalité des fonctions opérées par les personnes ayant étudié dans le supérieur. Et finalement, ceux qui ont quitté l’école avant se retrouvent plutôt épargnés. Mieux, le pic de recouvrement se situe sur le niveau licence.
Les très hautes études restent donc encore un territoire plus hostile à l’IA. Pas étonnant dans ces conditions que l’on constate que le taux d’employabilité des plus jeunes soit chahuté aux Etats-Unis.
Pour les jobs moins qualifiés, ce n’est que partie remise. L’impact ne viendra pas des LLM, mais des… World Models et de leur interfaçage avec des devices physiques, la robotique en tête.
