Anthropic et l'impact réel de l'IA sur l'emploi

Une nouvelle approche pour mesurer l'impact de l'IA

Anthropic, une entreprise spécialisée dans l'intelligence artificielle, propose une nouvelle méthode pour évaluer l'impact de l'IA sur l'emploi. Contrairement aux approches traditionnelles qui se basent sur les capacités théoriques des modèles d'IA, Anthropic met en avant l'importance de mesurer l'utilisation réelle de ces technologies dans les environnements de travail. Cette distinction est cruciale car elle permet de différencier entre ce qui est techniquement possible et ce qui est effectivement appliqué dans le monde professionnel.

La plupart des recherches sur l'IA et l'emploi commencent avec une idée assez simple : si un modèle peut théoriquement effectuer une tâche plus rapidement, alors l'occupation contenant cette tâche est "exposée". Cela semble raisonnable jusqu'à ce que la réalité entre en jeu. Une tâche peut être techniquement réalisable par l'IA sans pour autant être utilisée dans des environnements de travail réels en raison de divers facteurs tels que des processus complexes, une lenteur organisationnelle, des risques élevés, l'absence d'une infrastructure logicielle adéquate ou la nécessité d'une validation humaine.

C'est pourquoi ce document ne prétend pas que "l'IA prend des emplois maintenant". Il affirme plutôt qu'il est temps de cesser de faire des suppositions basées uniquement sur les capacités théoriques et de commencer à suivre l'utilisation réelle de l'IA dans le travail. Pensez-y comme à la différence entre posséder un abonnement à une salle de sport et réellement s'y rendre tous les jours à 6 heures du matin. La capacité existe dans les deux cas, mais l'impact n'est réel que dans l'un d'eux. Anthropic essaie de mesurer cette réalité.

La métrique 'Observed Exposure'

Au cœur de cette nouvelle approche se trouve la métrique 'Observed Exposure'. Elle évalue non seulement la capacité théorique de l'IA à accomplir une tâche, mais aussi son utilisation concrète. Pour cela, Anthropic s'appuie sur des données provenant de trois sources principales : les tâches O*NET pour environ 800 professions, les estimations antérieures sur la capacité des modèles de langage (LLMs) à accélérer ces tâches, et les données d'utilisation réelle de l'IA, notamment à travers leur outil Claude.

Le cœur du document repose sur une nouvelle métrique appelée Observed Exposure. En termes simples, elle mesure non seulement si l'IA pourrait aider à une tâche, mais si elle aide réellement. Anthropic évalue cela à l'aide de trois éléments :

• Données de tâches O*NET pour environ 800 occupations
• Estimations antérieures sur la capacité des LLMs à théoriquement accélérer ces tâches
• Données d'utilisation réelle provenant de Claude

Après avoir pris en compte ces trois métriques, le concept d'Observed Exposure accorde plus de poids à l'utilisation professionnelle et automatisée qu'à l'utilisation occasionnelle ou purement assistive.

Cela est important car toutes les utilisations de l'IA ne sont pas égales. Un marketeur utilisant Claude pour générer cinq options de titres n'est pas la même chose qu'une équipe de support intégrant l'IA dans un flux de travail qui répond aux requêtes des clients à grande échelle. L'un est une assistance, tandis que l'autre est une substitution presque totale du travail humain.

Les enseignements clés du rapport

Le rapport d'Anthropic révèle plusieurs points importants. Tout d'abord, les emplois les plus exposés à l'IA sont ceux où elle est déjà perçue comme utile, notamment dans les tâches répétitives et axées sur le langage. Les programmeurs informatiques, par exemple, présentent une couverture de 75%, suivis des représentants du service client et des saisisseurs de données avec 67%.

Avec ses contrepoints frappants à certaines croyances courantes, le rapport d'Anthropic partage des enseignements extrêmement éclairants.

1. Les emplois les plus exposés sont ceux où l'IA est déjà utile
   Les emplois avec la plus haute exposition observée sont ceux où l'IA générative semble déjà naturellement utile : travail répétitif, axé sur le langage et basé sur écran. Les professions les plus exposées d'Anthropic incluent les programmeurs informatiques avec 75% de couverture, suivis des représentants du service client et des saisisseurs de données avec 67% de couverture.

2. Une grande partie de l'économie reste encore intacte
   Environ 30% des travailleurs montrent une couverture nulle dans le cadre d'Anthropic, car leurs tâches n'apparaissent presque pas dans les données. Cela inclut des professions comme les cuisiniers, mécaniciens de motos, sauveteurs, barmans, plongeurs et agents de vestiaire.

3. Une exposition plus élevée à l'IA est liée à une croissance de l'emploi à long terme plus faible
   Anthropic compare sa métrique d'exposition observée avec les prévisions d'emploi du BLS pour 2024 à 2034 et constate que les professions les plus exposées devraient connaître une croissance moindre. Pour chaque augmentation de 10 points de pourcentage de l'exposition observée, la croissance de l'emploi projetée diminue de 0,6 points de pourcentage.

4. Les travailleurs les plus exposés ne sont pas ceux que beaucoup supposent
   Les travailleurs du groupe à plus forte exposition sont plus susceptibles d'être plus âgés, femmes, plus éduqués et mieux rémunérés. Ils gagnent en moyenne 47% de plus que le groupe non exposé.

5. Il n'y a toujours pas de choc clair sur le chômage
   Anthropic ne trouve aucune augmentation systématique du chômage pour les travailleurs fortement exposés depuis fin 2022. La différence entre les tendances de chômage des travailleurs dans le quartile supérieur d'exposition et ceux du groupe non exposé est petite et statistiquement insignifiante.

6. Les jeunes travailleurs pourraient faire face à la pression la plus précoce
   Anthropic trouve des preuves suggérant que l'embauche dans des professions fortement exposées a ralenti pour les travailleurs âgés de 22 à 25 ans. Les taux de recherche d'emploi pour les jeunes travailleurs entrant dans des rôles exposés ont chuté d'environ 14% par rapport à 2022.