Pourquoi l'IA n'a-t-elle pas fait augmenter le chômage ?

Je me suis dit que je partagerais quelques réflexions de haut niveau et un cadre qui m’aide à comprendre pourquoi nous ne voyons (jusqu’à présent) pas d’impact significatif de l’IA sur le marché du travail américain. Je me concentre sur les États-Unis parce que (a) l’adoption de l’IA y est élevée, (b) c’est la plus grande économie mondiale, (c) comparé à l’Europe, nos institutions du marché du travail facilitent historiquement une adoption plus rapide des technologies de remplacement de la main-d’œuvre, et (d) nous disposons d’un ensemble exceptionnellement riche de statistiques sur le marché du travail pour comprendre les conditions actuelles. J’ai récemment partagé ces réflexions au sein d’Anthropic.

Premièrement, l’adoption de l’IA est élevée aux États-Unis. Il est donc raisonnable de rechercher ses effets sur la productivité ou sur le chômage. La croissance de la productivité du travail a été forte ces dernières années, et il existe des preuves suggestives que l’IA y a partiellement contribué.

Mais le marché du travail américain est actuellement stable et proche du plein emploi. À mon avis, l’IA n’a provoqué aucune augmentation significative du taux de chômage à ce jour. Même si nous nous concentrons sur les travailleurs fortement exposés aux schémas actuels d’automatisation par l’IA, nous n’observons pas d’augmentations inattendues du chômage ces dernières années (bien que, comme je le discuterai plus bas, ces travailleurs soient plus préoccupés par la perte d’emploi).

Pourquoi ne voyons-nous aucun impact de l’adoption de l’IA sur le chômage ? L’IA (jusqu’à présent) présente les caractéristiques d’une technologie « biaisée en faveur des compétences » et augmentant le travail. Même si l’IA automatise certains aspects du travail, l’expertise humaine complémentaire amplifie ce que l’IA (ou les humains) peuvent accomplir seuls. L’IA élargit le champ de ce que les gens peuvent accomplir, ce qui augmente les rendements du travail avec l’IA.

Maintenant, l’avenir est encore très incertain. Les capacités des modèles progressent rapidement, et les systèmes d’IA pourraient bientôt être capables de développer de manière autonome leurs propres successeurs. Des systèmes d’IA plus généralement intelligents pourraient entraîner un déplacement de main-d’œuvre qui ne s’est pas encore matérialisé. Savoir si cela pourrait se produire (et à quelle vitesse) est une question ouverte, que mon équipe s’efforce de comprendre.

À bien des égards, ce court essai est ma tentative de synthétiser la recherche économique d’Anthropic au cours des 18 derniers mois pour comprendre comment les gens utilisent l’IA et ce que cela implique pour le travail, le marché du travail et l’économie en général à l’heure actuelle. Ces travaux ont souligné que l’avenir est encore incertain et que les implications seront probablement inégales. Jusqu’à présent, nous avons vu des effets atténués sur le chômage ; cet essai présente mon cadre pour comprendre pourquoi (et ce qui pourrait changer à l’avenir).

Fait de contexte important : le marché du travail américain est actuellement stable.

• Le taux de chômage en juin était de 4,2 %, ce que la Fed considère comme le niveau compatible avec le plein emploi et la stabilité des prix.
• Le ratio des offres d’emploi par rapport aux chômeurs est récemment passé à un peu plus de 1 en avril, ce que certains économistes considèrent comme indiquant que la demande et l’offre de travail sont approximativement et efficacement équilibrées. Des indicateurs plus sophistiqués, comme l’Indice de tension du marché du travail Heise, Pearce, Weber (HPW) de la Fed de New York, pointent également vers un marché du travail équilibré.
• Le ratio emploi-population des 25-54 ans reste proche de sommets pluridécennaux, ce qui reflète la force généralisée du marché du travail apparue lors de l’expansion post-pandémique.
• Les demandes initiales hebdomadaires d’assurance chômage sont restées stablement faibles au cours des quatre dernières années. Et les taux de licenciements et de mises à pied restent à ou légèrement en dessous des niveaux pré-pandémiques.

Alors, devrions-nous même nous attendre à un impact de l’IA sur le marché du travail à ce stade ? Je pense que la réponse est oui : le secteur de l’IA est suffisamment vaste pour que nous puissions rechercher des effets macroéconomiques perceptibles.

• Environ 20 % des entreprises utilisent l’IA dans au moins une fonction métier. Dans le secteur de l’information, qui représente 5,5 % du PIB, la part est de 40 %.
• La production d’IA ajustée à la qualité a augmenté de plus de 2 000 % par an en 2024 et 2025, selon les estimations de Patrick McKelvey et de mon collègue @akorinek. Même à partir d’une base initiale faible, cela suggère que nous devrions voir des signes de l’impact de l’IA dans l’agrégat.
• Je crois que nous commençons à voir l’impact de l’IA dans les statistiques de productivité agrégées :
• La croissance de la productivité du travail a été relativement forte ces dernières années : le rapport production par heure de travail a augmenté de 2,0 % par an de 2022T1 à 2026T1, contre 1,6 % au cours des quatre années précédant la pandémie.
• Les secteurs de l’économie américaine avec une plus forte adoption de l’IA ont eu tendance à avoir une croissance plus rapide de la productivité du travail au cours des quatre dernières années.
• La croissance de la productivité totale des facteurs—la manière dont les économistes aiment mesurer la productivité—a été plus modeste ces dernières années (surtout après avoir pris en compte l’utilisation des facteurs). Cela affaiblit les preuves, mais des signaux mitigés sur la productivité pourraient eux-mêmes indiquer qu’une accélération est en cours.
• Les entreprises prennent leurs décisions d’embauche en fonction de leurs croyances sur la valeur future de l’emploi d’un nouveau travailleur, par rapport aux coûts.
• Les entreprises tiennent compte de la productivité future des travailleurs, des salaires sur la durée de l’emploi, et de la durée attendue de l’appariement.
• Pour cette raison, les croyances des entreprises sur l’avenir devraient façonner les résultats du marché du travail aujourd’hui, sous forme de séparations d’emploi, d’embauches et de changements de profession. Mais à travers les démissions, les licenciements et les taux de recherche d’emploi, nous observons un schéma de stabilité. Il n’y a également aucune preuve d’un turnover professionnel inhabituellement rapide dû à l’IA.
• Les offres d’emploi en génie logiciel ont largement rebondi depuis mai 2025, par rapport à toutes les autres offres d’emploi, indiquant une demande croissante pour les travailleurs dans une profession où les capacités de l’IA progressent le plus.

Existe-t-il des preuves que des déplacements d’emplois se produisent, même si ce n’est pas (encore) macroéconomiquement significatif ? Les preuves sont mitigées. Mais dans l’ensemble, je ne suis pas convaincu.

• Comme Maxim Massenkoff et moi l’avons documenté dans notre rapport sur l’impact sur le travail, nous n’avons pas observé de détérioration des taux de chômage pour les travailleurs occupant des postes avec une grande part de tâches que Claude est utilisé pour automatiser, par rapport aux travailleurs d’autres postes. La mise à jour de cette analyse avec des données plus récentes du BLS ne change pas ce résultat.
• Nous trouvons quelques preuves suggestives que les taux d’embauche des jeunes travailleurs dans des postes très exposés à l’IA se sont affaiblis au cours de la dernière année environ. Cela est cohérent avec les preuves de Canaries in the Coal Mine, un article de chercheurs du Stanford Digital Economy Lab.
• Mais ces preuves de déplacement des jeunes travailleurs doivent être interprétées avec prudence. Il est difficile de discerner des effets causaux, car l’IA a émergé dans un environnement macroéconomique inhabituellement volatil : dénouement des perturbations de l’ère pandémique, resserrement rapide de la politique monétaire, volatilité des prix des matières premières suite à l’invasion de l’Ukraine par la Russie, et incertitude persistante de la politique mondiale (par exemple, due aux guerres commerciales). Parce que l’embauche est une forme d’investissement, une incertitude économique générale peut elle-même peser sur l’embauche.
• Une autre façon de le dire : de 2022 à aujourd’hui, les États-Unis ont connu le plus grand ralentissement du marché du travail sans récession jamais enregistré (la « désinflation immaculée »). Cela a coïncidé avec un marché du travail « faible embauche, faible licenciement ». Ce type de marché du travail frappe le plus durement les entrants en début de carrière. Actuellement, les jeunes travailleurs peuvent avoir du mal à trouver un emploi pour des raisons macroéconomiques autres que l’IA.
• Par ailleurs, certains travaux récents soutiennent que la montée du télétravail après la pandémie a eu un impact sur les jeunes travailleurs dans des postes très exposés à l’IA. Il est difficile d’isoler l’impact de l’IA des autres chocs qui frappent l’économie.
• Bien que nous ne voyions pas encore d’effets sur le chômage, nous constatons que les travailleurs occupant des postes avec des tâches que Claude est utilisé pour automatiser expriment une plus grande inquiétude quant à la perte de leur emploi que ceux occupant des postes moins exposés.

Si vous croyez que le marché du travail américain est actuellement sain, que l’IA pourrait en principe générer des effets macroéconomiquement perceptibles, et que cela n’a pas encore produit de déplacement pour les postes très exposés à l’IA, alors la question suivante est évidente :

Pourquoi l’IA n’a-t-elle pas provoqué une augmentation significative du chômage ?

Jusqu’à présent, l’IA est à la fois biaisée en faveur des compétences et augmentant le travail. Elle complète l’expertise du domaine. Elle repose sur des humains dans la boucle pour diriger et évaluer le travail le plus complexe. Et elle récompense la maîtrise de l’IA. Les capacités des modèles s’améliorent rapidement, mais restent obstinément irrégulières. Pour combler les poches de la frontière irrégulière, une supervision experte est nécessaire pour orienter des systèmes d’IA incroyablement capables, et pour se rétablir lorsqu’ils faiblissent.

Bien sûr, certains emplois sont plus exposés à un déplacement pur et simple par l’automatisation. Par exemple, les rédacteurs techniques, les employés de saisie de données, les représentants du service client et les programmeurs informatiques sont des emplois où l’IA peut gérer de manière fiable l’ensemble des tâches et responsabilités principales. Même si nous n’avons vu aucune augmentation du chômage pour les travailleurs dans ce type de postes, les professions avec une exposition observée plus élevée sont projetées par le BLS pour croître moins d’ici 2034.

Mais jusqu’à présent, le tableau d’ensemble est celui d’une augmentation du travail. Les effets sur le marché du travail seront donc inégaux, même si les capacités progressent rapidement. Cela ne signifie pas que toutes les compétences qui commandent actuellement une prime sur le marché du travail le feront à l’avenir. Certains types d’expertise peuvent devenir moins précieux (par exemple, la pure implémentation de code) tandis que d’autres deviennent plus précieux (par exemple, les compétences managériales de délégation et d’évaluation).

Pourquoi pensons-nous que l’IA est une technologie biaisée en faveur des compétences et augmentant le travail ? Je vais faire quelques observations basées sur les travaux publiés par l’équipe Anthropic Economic Research, et sur les preuves de l’Anthropic Economic Index :

• Malgré l’incroyable avancée de l’IA et son adoption rapide dans toute l’économie, il n’existe aucun emploi dans la taxonomie O\NET (un catalogue du ministère du Travail des professions et de leurs tâches typiques) pour lequel toutes* les tâches associées sont systématiquement traitées par Claude. Si les emplois sont des ensembles fixes de tâches—ce qu’ils ne sont pas, mais nous y reviendrons dans un instant—alors les aspects essentiels et non automatisés du travail à la fois contraignent l’augmentation globale de la productivité et amplifient les rendements du travail. Les tâches que Claude ne peut pas gérer peuvent dépendre de la coordination interpersonnelle, des interactions en personne ou de l’engagement avec le monde physique que, jusqu’à présent, seuls les humains peuvent faire (voir « The task is not the job » par @lugaricano).
• Dans notre rapport de janvier, Economic Primitives, nous constatons que les entrées utilisateur sophistiquées et les sorties complexes de Claude sont fortement corrélées. En d’autres termes, lorsque Claude construit un modèle économique complexe, en pratique, il le fait sous la direction d’une personne fournissant une direction experte complémentaire.
• Bien que Claude ait tendance à réussir en moyenne, le modèle a le plus de difficultés avec le travail le plus complexe. Cela est globalement conforme aux résultats de l’horizon de tâches METR, dans lesquels une fiabilité plus élevée se fait au prix d’horizons de tâches plus courts. Nous trouvons des preuves suggestives que les humains dans la boucle augmentent la complexité du travail que Claude gère.
• Dans notre rapport de mars, Learning Curves, nous avons constaté qu’après seulement six mois d’utilisation, les gens sont plus susceptibles d’interagir avec Claude en tant que partenaire de réflexion et d’avoir des interactions plus réussies avec Claude. Si l’IA était assez bonne seule, nous ne nous attendrions pas à voir cet effet.
• L’automatisation généralisée des tâches peut encore augmenter le travail. Pourquoi ? Parce que les emplois ne sont pas des ensembles fixes de tâches. Les nouvelles technologies ont historiquement conduit à de grands changements dans les emplois existants, même lorsque certains emplois disparaissent. Et elles ont produit des types de travail entièrement nouveaux qui combinent de nouvelles capacités techniques avec une expertise humaine complémentaire. Nous voyons des signes de cet effet dans notre recherche : Une source couramment citée de productivité perçue parmi 81 000 utilisateurs de Claude était la portée—pouvoir faire plus, plus efficacement. Une telle autonomisation par l’IA peut redessiner les limites de nos rôles et produire de nouveaux regroupements de tâches au sein des emplois—automatisant certaines, renforçant l’importance d’autres—tout en augmentant net le produit marginal du travail.
• Dans notre rapport de juin de l’Economic Index, Cadences, plus d’un tiers de tous les répondants de l’Enquête de l’Anthropic Economic Index s’attendent à ce que l’IA soit capable d’effectuer la plupart ou la totalité des tâches qu’ils accomplissent dans leur travail au cours des douze prochains mois. Une part similaire des répondants s’attend à ce que les responsabilités professionnelles changent pour eux-mêmes et leurs collègues dans l’année à venir. Mais les attentes de perte d’emploi étaient notablement plus faibles. En effet, ceux qui utilisent Claude de manière plus automatisée ont tendance à être plus optimistes quant à l’impact de l’IA sur leur rémunération, leur sécurité d’emploi et leur capacité à trouver un emploi.
• À mesure que les capacités de l’IA s’améliorent, nous verrons des agents de plus en plus capables qui peuvent gérer de manière autonome des tâches complexes, à long horizon et précieuses. L’IA augmentera-t-elle encore le travail ? Pour appréhender cette question, nous avons récemment analysé les schémas d’utilisation de Claude Code pour voir si le codage agentique modifie les rendements de l’expertise. Claude Code a été utilisé sur des tâches de plus en plus précieuses au cours des sept mois que nous avons suivis, mais nous avons observé des rendements persistants de l’expertise humaine : c’est-à-dire que les gens prennent des décisions de planification et délèguent l’implémentation à Claude. Les personnes ayant plus d’expertise dans le domaine réussissent leurs tâches plus souvent et se rétablissent plus systématiquement lorsque Claude commet une erreur. Le rendement de la capacité de codage simple a peut-être diminué, mais le codage agentique a jusqu’à présent augmenté la valeur d’autres compétences complémentaires.

L’avenir est difficile à déchiffrer. Il est fort possible que l’aspect biaisé en faveur des compétences et augmentant le travail de l’IA disparaisse à mesure que les modèles continuent de s’améliorer. La frontière irrégulière pourrait devenir plus lisse. Et à un certain point, les rendements de l’expertise humaine pourraient diminuer.

Une grande raison pour laquelle il y a tant d’incertitude sur l’avenir est que l’IA pourrait automatiser l’innovation elle-même. Doter les machines de capacités cognitives générales est un catalyseur direct pour une innovation supplémentaire, d’une manière que les technologies génériques passées ne l’étaient pas. Le moteur à combustion interne ne pouvait pas inventer de nouveaux modes de transport. Dans des modèles économiques par ailleurs standard, l’automatisation de l’innovation—que nous pourrions voir d’abord dans l’auto-amélioration récursive—peut produire des singularités économiques : une croissance infinie en un temps fini.

De telles singularités se produiront-elles ? Pas s’il existe des tâches essentielles qui ne sont jamais automatisées, que ce soit pour des raisons techniques ou des contraintes sociétales. Ces « maillons faibles » sont les limites de la croissance : « La croissance économique peut être contrainte non pas par ce que nous faisons bien, mais par ce qui est essentiel et pourtant difficile à améliorer », comme l’affirment Aghion, Jones et Jones (2017). De tels maillons faibles peuvent maintenir la part du travail dans le revenu à un niveau élevé à long terme, même sous une automatisation très rapide, généralisée, mais incomplète.

La logique des « maillons faibles » ne s’applique pas seulement à la production de biens, mais aussi à l’automatisation de l’innovation. Que l’IA accélère considérablement la croissance de la productivité nécessite non seulement d’améliorer les capacités, mais aussi une automatisation large des tâches impliquées dans le processus de R&D. Des preuves récentes suggèrent que les maillons faibles sont actuellement une contrainte à l’automatisation de la production logicielle : une augmentation de 10 à 20 fois du nombre de lignes de code générées après l’introduction d’agents de codage n’a produit qu’une augmentation de 30 % des versions logicielles, et aucune augmentation totale de l’utilisation des applications.

Les lois d’échelle sont difficiles à contester. Les modèles vont s’améliorer. Beaucoup mieux. Je m’attends à ce que cela stimule une croissance plus rapide de la productivité, et peut-être même des signes plus clairs de RSI. Mais je ne m’attends pas à ce que le chômage soit sensiblement plus élevé dans un an—du moins pas à cause de l’IA.