Les programmeurs, premiers exposés à l'IA selon Anthropic : ce que révèle la mesure de l'« exposition observée » sur 800 métiers américains

Le 5 mars 2026, Anthropic a publié une étude intitulée Labor market impacts of AI: A new measure and early evidence, signée par les économistes Maxim Massenkoff et Peter McCrory. Cette étude introduit un concept nouveau dans le débat sur l'IA et l'emploi : l'exposition observée (observed exposure). L'idée est simple mais puissante : au lieu de mesurer ce que l'IA pourrait théoriquement faire, mesurer ce qu'elle fait effectivement dans les contextes professionnels. Le résultat est un classement de 800 métiers américains selon leur degré réel d'exposition à l'automatisation par les grands modèles de langage.

L'exposition observée : une métrique qui change la conversation

Depuis 2023, le débat sur l'impact de l'IA sur l'emploi repose largement sur les travaux d'Eloundou et al. (OpenAI), qui estimaient la part des tâches professionnelles théoriquement accélérables par un LLM. Anthropic propose de combler l'écart entre potentiel et réalité en croisant trois sources de données : la base O*NET du département du Travail américain (800 métiers), les données d'utilisation réelles de Claude issues de l'Anthropic Economic Index, et la métrique théorique d'Eloundou et al.

L'exposition observée fonctionne ainsi : une tâche est considérée comme « couverte » si elle est théoriquement réalisable par un LLM et si elle apparaît avec une fréquence suffisante dans les données d'utilisation professionnelle de Claude. L'utilisation automatisée reçoit un poids plein ; l'utilisation augmentative reçoit un demi-poids.

Le classement : qui est exposé, qui ne l'est pas

Dans la catégorie « informatique et mathématiques », 94 % des tâches sont jugées théoriquement automatisables. Mais l'exposition observée n'est que de 33 %. L'IA est loin d'avoir atteint son potentiel.

À l'autre extrémité, 30 % des travailleurs américains ont une exposition observée de zéro. Les métiers qui requièrent une présence physique, un savoir-faire manuel ou une interaction humaine directe restent hors de portée de l'IA.

Le profil type du travailleur exposé : un paradoxe social

Les travailleurs du quartile le plus exposé sont 16 points de pourcentage plus susceptibles d'être des femmes, 11 points plus susceptibles d'être blancs, et presque deux fois plus susceptibles d'être asiatiques. Leurs salaires sont en moyenne 47 % plus élevés. Les titulaires d'un diplôme de troisième cycle représentent 17,4 % du groupe le plus exposé, contre 4,5 % du groupe non exposé.

Ce résultat a des implications profondes pour les politiques publiques. Les dispositifs de reconversion professionnelle sont traditionnellement conçus pour les travailleurs peu qualifiés. Si l'IA affecte prioritairement les cols blancs diplômés, ces dispositifs devront être repensés.

Pas de chômage de masse, mais un signal d'alerte sur les jeunes

En comparant les tendances d'emploi depuis fin 2022, les auteurs ne trouvent aucune augmentation systématique du chômage dans les métiers les plus exposés. Mais ils observent une baisse de 14 % du taux d'embauche des 22-25 ans dans les métiers les plus exposés. Cette baisse n'est pas observée chez les plus de 25 ans.

L'IA ne détruit pas les emplois existants — elle freine la création de nouveaux postes pour les entrants sur le marché du travail.

Les critiques

Forbes a critiqué le fait que les données proviennent exclusivement de l'utilisation de Claude. Ethan Batraski argue que la distinction pertinente n'est pas entre tâches automatisables et non automatisables, mais entre emplois facturés au temps et emplois basés sur les résultats. La Brookings Institution rappelle que la recherche sur l'IA et le marché du travail en est encore à la première manche.

L'écart théorique-réel : une fenêtre d'adaptation

Dans l'informatique, l'écart est de 61 points (94 % théorique, 33 % observé). Ces écarts représentent une fenêtre d'adaptation — le temps dont disposent les travailleurs, les entreprises et les gouvernements pour se préparer. La question n'est pas si la zone rouge rattrapera la zone bleue, mais à quelle vitesse.

L'étude Anthropic répond à une question précise : en mars 2026, quels métiers sont effectivement exposés à l'automatisation par les LLM ? Elle ne répond pas à la question de long terme. Les prédictions cataclysmiques et les dénégations rassurantes sont également prématurées. Ce dont on a besoin, c'est de mesures empiriques régulières, transparentes et méthodologiquement rigoureuses.