![\"Anthropic](\"https:\/\/cdn8.futura-sciences.com\/a1280\/images\/travailIA.jpg\")
<\/p>\n<\/p>\n
Dans une nouvelle recherche, Anthropic pr\u00e9sente une nouvelle mesure du risque de remplacement par l’IA, l’exposition observ\u00e9e, qui combine les capacit\u00e9s th\u00e9oriques des mod\u00e8les d’apprentissage profond (LLM) et les donn\u00e9es d’utilisation r\u00e9elles, en accordant plus d’importance aux utilisations automatis\u00e9es (plut\u00f4t qu’augmentatives) et li\u00e9es au travail. Selon le rapport, l’IA est loin d’avoir atteint son potentiel th\u00e9orique : sa couverture r\u00e9elle reste inf\u00e9rieure \u00e0 ce qui est techniquement possible.<\/b><\/p>\n
L’emploi dans le secteur de la programmation informatique aux \u00c9tats-Unis a atteint son niveau le plus bas depuis 1980, selon les donn\u00e9es de l’enqu\u00eate sur la population actuelle du Bureau des statistiques du travail en mars 2025. Cette baisse correspond \u00e0 l’introduction du ChatGPT d’OpenAI. Ce constat, qui aurait sembl\u00e9 impensable il y a quelques ann\u00e9es, soul\u00e8ve des questions fondamentales sur l\u2019\u00e9volution du march\u00e9 du travail, le r\u00f4le de l\u2019automatisation et la transformation m\u00eame du m\u00e9tier de programmeur. Le march\u00e9 am\u00e9ricain est-il un pr\u00e9curseur ou un cas particulier ?<\/p>\n
En d\u00e9cembre 2025, selon de nombreux t\u00e9moignages relay\u00e9s \u00e0 l\u2019\u00e9chelle mondiale, les ing\u00e9nieurs juniors font d\u00e9sormais face \u00e0 une contraction brutale des opportunit\u00e9s. Les missions historiquement confi\u00e9es aux profils d\u00e9butants sont de plus en plus absorb\u00e9es par des outils d\u2019IA capables de g\u00e9n\u00e9rer du code, d\u00e9tecter des anomalies, ex\u00e9cuter des batteries de tests automatis\u00e9s ou proposer des correctifs fonctionnels en quelques secondes. Au cours des trois derni\u00e8res ann\u00e9es,\u00a0le nombre de jeunes dipl\u00f4m\u00e9s embauch\u00e9s par les grandes entreprises technologiques \u00e0 l’\u00e9chelle mondiale a diminu\u00e9 de plus de 50 %.<\/p>\n
Dans une nouvelle recherche, Anthropic pr\u00e9sente une nouvelle mesure du risque de remplacement par l’IA, l’exposition observ\u00e9e, qui combine les capacit\u00e9s th\u00e9oriques des mod\u00e8les d’apprentissage profond (LLM) et les donn\u00e9es d’utilisation r\u00e9elles, en accordant plus d’importance aux utilisations automatis\u00e9es (plut\u00f4t qu’augmentatives) et li\u00e9es au travail. Selon le rapport, l’IA est loin d’avoir atteint son potentiel th\u00e9orique : sa couverture r\u00e9elle reste inf\u00e9rieure \u00e0 ce qui est techniquement possible.<\/p>\n
Selon les projections du BLS, les professions pr\u00e9sentant une exposition observ\u00e9e plus \u00e9lev\u00e9e devraient conna\u00eetre une croissance moindre jusqu’en 2034. Les travailleurs des professions les plus expos\u00e9es sont plus susceptibles d’\u00eatre \u00e2g\u00e9s, de sexe f\u00e9minin, plus dipl\u00f4m\u00e9s et mieux r\u00e9mun\u00e9r\u00e9s. S’ils n’ont constat\u00e9 aucune augmentation syst\u00e9matique du ch\u00f4mage chez les travailleurs fortement expos\u00e9s depuis fin 2022, ils ont trouv\u00e9 des preuves sugg\u00e9rant que le recrutement de jeunes travailleurs a ralenti dans les professions expos\u00e9es.<\/p>\n
Un autre rapport avait d\u00e9j\u00e0 pr\u00e9sent\u00e9 la situation.\u00a0Les donn\u00e9es officielles de la DARES semblent d\u00e9sormais le confirmer\u00a0: l’intelligence artificielle est bien en train de provoquer une forme d’apocalypse sur le march\u00e9 de l’emploi des d\u00e9veloppeurs informatiques. La preuve ? Pour la premi\u00e8re fois depuis 2016, l’informatique n’est plus en \u00ab tension tr\u00e8s forte \u00bb de recrutement. Le secteur enregistre en 2024 la plus forte baisse de tensions tous domaines professionnels confondus, passant du niveau 5 au niveau 4 sur l’\u00e9chelle DARES.<\/p>\n
Traduction concr\u00e8te : il y a d\u00e9sormais plus d’informaticiens disponibles que de postes \u00e0 pourvoir, quand le BTP, l’industrie et la maintenance continuent de souffrir d’une p\u00e9nurie record. Pendant que l’IA g\u00e9n\u00e8re du code \u00e0 la place des d\u00e9veloppeurs, elle ne r\u00e9parera jamais un trou dans votre toit, comme pr\u00e9venait d\u00e9j\u00e0 le PDG de Lowe’s qui a encourag\u00e9 les jeunes \u00e0 se tourner vers les travaux manuels.<\/p>\n
<\/p>\n
Impacts de l’IA sur le march\u00e9 du travail : une nouvelle mesure et des premi\u00e8res donn\u00e9es<\/span><\/b><\/p>\n Introduction<\/b><\/p>\n La diffusion rapide de l’IA g\u00e9n\u00e8re une vague de recherches visant \u00e0 mesurer et \u00e0 pr\u00e9voir ses impacts sur les march\u00e9s du travail. Mais les r\u00e9sultats obtenus par les approches pass\u00e9es incitent \u00e0 la prudence.<\/p>\n Par exemple, une tentative importante visant \u00e0 mesurer la d\u00e9localisabilit\u00e9 des emplois a identifi\u00e9 environ un quart des emplois am\u00e9ricains comme vuln\u00e9rables, mais dix ans plus tard, la plupart de ces emplois ont maintenu une croissance saine de l’emploi. Les pr\u00e9visions de croissance professionnelle du gouvernement, bien que correctes dans leur orientation, n’ont gu\u00e8re ajout\u00e9 de valeur pr\u00e9dictive au-del\u00e0 de l’extrapolation lin\u00e9aire des tendances pass\u00e9es. M\u00eame avec le recul, l’impact des perturbations \u00e9conomiques majeures sur le march\u00e9 du travail est souvent difficile \u00e0 cerner. Les \u00e9tudes sur les effets des robots industriels sur l’emploi aboutissent \u00e0 des conclusions contradictoires, et l’ampleur des pertes d’emplois attribu\u00e9es au choc commercial avec la Chine continue de faire l’objet de d\u00e9bats.<\/p>\n Dans cet article, nous pr\u00e9sentons un nouveau cadre permettant de comprendre les effets de l’IA sur le march\u00e9 du travail et le testons \u00e0 l’aide de donn\u00e9es pr\u00e9liminaires, qui montrent que l’IA a eu jusqu’\u00e0 pr\u00e9sent un impact limit\u00e9 sur l’emploi. Notre objectif est d’\u00e9tablir une approche permettant de mesurer l’impact de l’IA sur l’emploi et de r\u00e9examiner r\u00e9guli\u00e8rement ces analyses. Cette approche ne permettra pas de saisir tous les canaux par lesquels l’IA pourrait remodeler le march\u00e9 du travail, mais en posant ces bases d\u00e8s maintenant, avant que des effets significatifs ne se manifestent, nous esp\u00e9rons que les conclusions futures permettront d’identifier les perturbations \u00e9conomiques de mani\u00e8re plus fiable que les analyses a posteriori.<\/p>\n Il est possible que les effets de l’IA soient ind\u00e9niables. Ce cadre est particuli\u00e8rement utile lorsque les effets sont ambigus et pourrait aider \u00e0 identifier les emplois les plus vuln\u00e9rables avant que le d\u00e9placement ne soit visible.<\/p>\n Contrefactuels<\/b><\/p>\n L’inf\u00e9rence causale est plus facile lorsque les effets sont importants et soudains. La pand\u00e9mie de COVID-19 et les mesures politiques qui l’ont accompagn\u00e9e ont provoqu\u00e9 des perturbations \u00e9conomiques si importantes que des approches statistiques sophistiqu\u00e9es n’\u00e9taient pas n\u00e9cessaires pour r\u00e9pondre \u00e0 de nombreuses questions. Par exemple, le ch\u00f4mage a fortement augment\u00e9 au cours des premi\u00e8res semaines de la pand\u00e9mie, laissant peu de place \u00e0 d’autres explications.<\/p>\n Cependant, les effets de l’IA pourraient ressembler moins \u00e0 ceux de la COVID qu’\u00e0 ceux de l’internet ou du commerce avec la Chine. Les effets ne sont pas n\u00e9cessairement visibles imm\u00e9diatement \u00e0 partir des donn\u00e9es agr\u00e9g\u00e9es sur le ch\u00f4mage ; des facteurs tels que la politique commerciale et le cycle \u00e9conomique pourraient brouiller l’interpr\u00e9tation des tendances.<\/p>\n Une approche courante consiste \u00e0 comparer les r\u00e9sultats entre les travailleurs, les entreprises ou les secteurs plus ou moins expos\u00e9s \u00e0 l’IA, afin d’isoler l’effet de l’IA des forces confondantes. L’exposition est g\u00e9n\u00e9ralement d\u00e9finie au niveau des t\u00e2ches : l’IA peut noter les devoirs, mais ne peut pas g\u00e9rer une classe, par exemple, de sorte que les enseignants sont consid\u00e9r\u00e9s comme moins expos\u00e9s que les travailleurs dont l’ensemble du travail peut \u00eatre effectu\u00e9 \u00e0 distance.<\/p>\n Notre travail suit cette approche bas\u00e9e sur les t\u00e2ches, en int\u00e9grant des mesures de la capacit\u00e9 th\u00e9orique de l’IA et de son utilisation dans le monde r\u00e9el, avant de les agr\u00e9ger par profession.<\/p>\n Mesurer l’exposition<\/b><\/p>\n Notre approche combine des donn\u00e9es provenant de trois sources.<\/p>\n 1. La base de donn\u00e9es O*NET, qui r\u00e9pertorie les t\u00e2ches associ\u00e9es \u00e0 environ 800 professions uniques aux \u00c9tats-Unis. La m\u00e9trique \u03b2 d’Eloundou et al. note les t\u00e2ches sur une \u00e9chelle simple : 1 si une t\u00e2che peut \u00eatre effectu\u00e9e deux fois plus rapidement par un LLM seul, 0,5 si elle n\u00e9cessite des outils ou des logiciels suppl\u00e9mentaires en plus du LLM, et 0 dans le cas contraire.<\/p>\n Pourquoi l’utilisation r\u00e9elle pourrait-elle \u00eatre inf\u00e9rieure \u00e0 la capacit\u00e9 th\u00e9orique ? Certaines t\u00e2ches th\u00e9oriquement possibles peuvent ne pas appara\u00eetre dans l’utilisation en raison des limites du mod\u00e8le. D’autres peuvent \u00eatre lentes \u00e0 se diffuser en raison de contraintes juridiques, d’exigences logicielles sp\u00e9cifiques, d’\u00e9tapes de v\u00e9rification humaine ou d’autres obstacles. Par exemple, Eloundou et al. consid\u00e8rent que \u00ab Autoriser le renouvellement des ordonnances et fournir des informations sur les prescriptions aux pharmacies \u00bb est une t\u00e2che pleinement expos\u00e9e (\u03b2=1). Nous n’avons pas observ\u00e9 Claude effectuer cette t\u00e2che, bien que l’\u00e9valuation semble correcte dans la mesure o\u00f9 elle pourrait th\u00e9oriquement \u00eatre acc\u00e9l\u00e9r\u00e9e par un LLM.<\/p>\n Cela dit, ces mesures de la capacit\u00e9 th\u00e9orique et de l’utilisation r\u00e9elle sont fortement corr\u00e9l\u00e9es. Comme le montre la figure 1, 97 % des t\u00e2ches observ\u00e9es dans les quatre pr\u00e9c\u00e9dents rapports sur l’indice \u00e9conomique entrent dans les cat\u00e9gories jug\u00e9es th\u00e9oriquement r\u00e9alisables par Eloundou et al. (\u03b2=0,5 ou \u03b2=1,0).<\/p>\n Une nouvelle mesure de l’exposition professionnelle<\/b><\/p>\n Notre nouvelle mesure, l’exposition observ\u00e9e, vise \u00e0 quantifier : parmi les t\u00e2ches que les LLM pourraient th\u00e9oriquement acc\u00e9l\u00e9rer, lesquelles font r\u00e9ellement l’objet d’une utilisation automatis\u00e9e dans un contexte professionnel ? Les capacit\u00e9s th\u00e9oriques englobent un \u00e9ventail beaucoup plus large de t\u00e2ches. En suivant la mani\u00e8re dont cet \u00e9cart se r\u00e9duit, l’exposition observ\u00e9e fournit des informations sur les changements \u00e9conomiques \u00e0 mesure qu’ils se produisent.<\/p>\n Notre mesure capture de mani\u00e8re qualitative plusieurs aspects de l’utilisation de l’IA qui, selon nous, sont pr\u00e9dictifs des impacts sur l’emploi. L’exposition d’un emploi est plus \u00e9lev\u00e9e si :<\/p>\n – Ses t\u00e2ches sont th\u00e9oriquement possibles avec l’IA avec developpez<\/p>\n","protected":false},"excerpt":{"rendered":" Claude Code \u00e9tant largement utilis\u00e9 pour le codage, les d\u00e9veloppeurs sont les professions les plus expos\u00e9es au ch\u00f4mage, avec une couverture de 75 % Dans une nouvelle recherche, Anthropic pr\u00e9sente […]<\/p>\n","protected":false},"author":1,"featured_media":7336,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21,192],"tags":[],"class_list":["post-7335","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualite","category-ia"],"yoast_head":"\n
\n2. Nos propres donn\u00e9es d’utilisation (mesur\u00e9es dans l’indice \u00e9conomique anthropique).
\n3. Les estimations d’exposition au niveau des t\u00e2ches d’Eloundou et al. (2023), qui mesurent s’il est th\u00e9oriquement possible pour un LLM d’effectuer une t\u00e2che au moins deux fois plus rapidement.<\/p>\n<\/p>\n
\n– Ses t\u00e2ches sont largement utilis\u00e9es dans l’indice \u00e9conomique anthropique
\n– Ses t\u00e2ches sont effectu\u00e9es dans des contextes li\u00e9s au travail
\n– Il pr\u00e9sente une part relativement plus \u00e9lev\u00e9e de mod\u00e8les d’utilisation automatis\u00e9s ou d’impl\u00e9mentation d’API
\n– Ses t\u00e2ches influenc\u00e9es par l’IA repr\u00e9sentent une part plus importante de l’ensemble des fonctions<\/p>\n