15 septembre 2025 – Dans une analyse historique du déploiement de l’intelligence artificielle, le dernier rapport d’Anthropic Economic Index met en évidence la vitesse d’adoption sans précédent de la technologie tout en soulignant de fortes disparités géographiques et sectorielles. S’appuyant sur des données approfondies sur l’utilisation de Claude.ai et le trafic des API d’entreprise, le rapport documente la manière dont l’IA transforme les flux de travail dans des poches concentrées, soulevant des inquiétudes quant à d’éventuelles divergences économiques si les tendances actuelles persistent.
L’étude, intitulée « Adoption inégale de l’IA géographique et d’entreprise », s’appuie sur des itérations précédentes en intégrant des répartitions géographiques dans plus de 150 pays et tous les États américains, ainsi qu’un examen pionnier de l’utilisation des API propriétaires (1P). Cette expansion permet aux chercheurs de suivre non seulement les habitudes de consommation, mais également la manière dont les entreprises intègrent par programmation des modèles d’IA pionniers comme Claude dans leurs opérations. Les conclusions du rapport s’appuient sur des données anonymisées et agrégées provenant de millions d’interactions, mappées à des taxonomies professionnelles telles que O*NET, et soulignent la double nature de l’IA en tant qu’outil d’automatisation et outil d’amélioration de la productivité.
Au cœur du rapport se trouve l’observation selon laquelle le déploiement de l’IA s’accélère plus rapidement que les précédents historiques. Aux États-Unis, l’utilisation de l’IA par les employés au travail a presque doublé, passant de 20 % en 2023 à 40 % en septembre 2025, selon les données Gallup citées dans le rapport. Cette poussée dépasse la diffusion de technologies transformatrices comme l’électricité, qui a mis plus de 30 ans pour atteindre les foyers ruraux américains après leur adoption en milieu urbain, ou les ordinateurs personnels, qui ont mis deux décennies à pénétrer dans la majorité des foyers après leurs débuts en 1981. Même Internet, souvent salué pour sa propagation rapide, a mis environ cinq ans pour atteindre des niveaux de pénétration similaires.
Une telle rapidité découle des avantages inhérents à l’IA : sa large applicabilité à toutes les tâches, son intégration transparente avec les outils numériques existants et ses interfaces intuitives qui ne nécessitent aucune formation spécialisée : il suffit de taper ou de prononcer des invites. Le rapport attribue un nouvel élan aux progrès rapides des modèles frontières, qui élargissent continuellement les capacités et attirent une base d’utilisateurs plus large. Cependant, cet enthousiasme précoce masque des concentrations sous-jacentes : l’utilisation de l’IA reste concentrée sur un ensemble limité de tâches au sein des entreprises et est géographiquement regroupée, faisant écho aux modèles observés dans les innovations du XXe siècle, mais comprimées dans des délais plus courts.
Pour quantifier ces dynamiques, le rapport introduit l’Anthropic AI Usage Index (AUI), une mesure qui compare les volumes de conversations Claude.ai aux populations en âge de travailler dans des régions spécifiques. Cet indice révèle une forte corrélation entre l’adoption de l’IA par habitant et les niveaux de revenu économique, signalant des risques potentiels d’inégalité mondiale. Les pays à revenu élevé comme Singapour et le Canada sont en tête avec des scores AUI de 4,6 fois et 2,9 fois respectivement l’utilisation attendue, en fonction de la taille de la population. En revanche, les économies émergentes sont à la traîne : l’Indonésie enregistre une utilisation 0,36 fois supérieure à celle attendue, l’Inde 0,27 fois et le Nigeria seulement 0,20 fois.
Aux États-Unis, les points chauds de l’adoption reflètent les atouts économiques locaux. Washington, D.C., arrive en tête de liste avec une utilisation 3,82 fois supérieure à celle attendue, en raison des demandes en matière d’édition de documents et d’aide à la carrière au sein de son centre de politiques et de services professionnels. L’Utah suit de près avec 3,78 fois, bénéficiant d’un écosystème technologique en plein essor. La Californie présente un nombre élevé d’applications liées à l’informatique, tandis que la Floride connaît une dépendance accrue aux tâches liées aux services financiers. Ces variations régionales illustrent comment le déploiement de l’IA est adapté aux besoins sectoriels, le codage étant dominant dans les domaines à forte intensité technologique et les fonctions administratives prédominantes dans ceux axés sur les services.
En approfondissant les modèles d’utilisation, le rapport retrace une évolution des interactions Claude.ai au cours des huit derniers mois, coïncidant avec les mises à niveau du modèle et les améliorations des fonctionnalités. Le codage reste la catégorie la plus importante avec 36 % de l’utilisation totale, soulignant le rôle de l’IA dans le développement de logiciels. Cependant, les applications non techniques gagnent du terrain : les tâches éducatives sont passées de 9,3 % à 12,4 %, ce qui reflète l’utilisation par les étudiants et les professionnels de l’IA pour l’apprentissage et la recherche. Les tâches scientifiques ont également augmenté, passant de 6,3 % à 7,2 %, ce qui témoigne d’une intégration croissante dans l’analyse des données, les simulations et les tests d’hypothèses.
Un changement notable est la montée des conversations « directives », dans lesquelles les utilisateurs délèguent des tâches complètes à Claude plutôt que de s’engager dans des échanges itératifs. Ces interactions orientées automatisation sont passées de 27% à 39% des sessions. Dans le domaine du codage, cela se manifeste par une augmentation de 4,5 points de pourcentage de la création de programmes et une baisse de 2,9 points de pourcentage des demandes de débogage, ce qui suggère que les utilisateurs obtiennent des résultats plus efficacement dans des interactions uniques. Cette tendance s’aligne avec la maturation de l’IA, permettant une plus grande autonomie et réduisant le besoin de ressources humaines.surveillance des processus de routine.
Les disparités géographiques s’étendent au-delà des taux bruts d’adoption jusqu’à la diversité et le style d’utilisation. Dans les pays à faible AUI comme l’Inde, le codage représente plus de 50 % des interactions, soit bien plus que la moyenne mondiale d’environ un tiers, ce qui indique une concentration étroite sur les applications techniques dans un contexte d’accès limité à des outils plus larges. À l’inverse, les régions à forte adoption affichent des portefeuilles plus variés : l’éducation, la science et les tâches commerciales revendiquent chacune une part importante, favorisant des gains de productivité globaux.
Après ajustement en fonction de la composition des tâches, le rapport révèle des modes de collaboration divergents. Les zones à faible AUI se tournent vers l’automatisation, les utilisateurs confiant plus fréquemment des tâches complètes à l’IA. Les régions à AUI élevé favorisent cependant l’augmentation – des modèles impliquant l’apprentissage, l’itération et le travail d’équipe homme-IA – qui peuvent amplifier le développement des compétences et l’innovation à long terme. Cette bifurcation soulève des problèmes d’équité : alors que l’automatisation rationalise l’efficacité dans les contextes aux ressources limitées, l’augmentation dans les zones riches pourrait creuser les écarts de connaissances et les fractures économiques.
S’intéressant aux contextes d’entreprise, le rapport offre une visibilité sans précédent sur le trafic des API 1P, qui représente l’accès programmatique à Claude par les entreprises et les développeurs. Contrairement à Claude.ai, basé sur le chat, l’utilisation de l’API révèle des déploiements spécialisés et évolutifs. Le codage domine encore une fois, mais les modèles d’API divergent : ils montrent des concentrations plus élevées dans le codage et les tâches bureautiques/administratives, tandis que Claude.ai est orienté vers les activités éducatives et d’écriture. Cela reflète le fait que les entreprises donnent la priorité à l’automatisation du backend plutôt qu’à la créativité destinée aux consommateurs.
L’automatisation prédomine dans les scénarios API, représentant 77% des usages métiers contre environ 50% sur Claude.ai. L’interface programmatique facilite une intégration transparente dans les flux de travail, tels que la génération de rapports ou le traitement de données sans intervention de l’utilisateur. Pourtant, le rapport note que le coût ne semble pas être un obstacle majeur ; les tâches fréquemment utilisées entraînent souvent des dépenses plus élevées en raison des exigences de calcul, ce qui indique une faible sensibilité au prix. Au lieu de cela, les décisions de déploiement dépendent des capacités du modèle et de la valeur tangible de l’automatisation de fonctions spécifiques, telles que la réduction du travail manuel dans des domaines à enjeux élevés.
L’un des principaux goulots d’étranglement identifiés est la conservation des données contextuelles. Pour les applications d’entreprise complexes, comme l’analyse juridique ou l’optimisation de la chaîne d’approvisionnement, l’efficacité de l’IA dépend de la fourniture d’un contexte riche et pertinent. Le rapport suggère que de nombreuses entreprises sont confrontées à des obstacles en matière de modernisation des données et de restructuration organisationnelle pour fournir ces informations, ce qui pourrait bloquer une adoption plus large. Les investissements dans ces domaines pourraient libérer le potentiel de l’IA dans des secteurs sophistiqués, mais ils représentent des coûts initiaux importants, en particulier pour les petites entreprises.
Ces informations sont renforcées par l’open source du rapport sur son ensemble de données, un engagement en faveur de la transparence qui invite à un examen indépendant. La version comprend des classifications au niveau des tâches pour les données de l’API Claude.ai et 1P, les répartitions de la collaboration et les détails géographiques pour l’utilisation par les consommateurs. Les chercheurs peuvent désormais explorer des questions urgentes : quel est l’impact de l’adoption de l’IA sur les marchés du travail locaux ? Quelles politiques peuvent démocratiser l’accès dans les régions à faible adoption ? Le coût des tâches influence-t-il les stratégies de l’entreprise et quels profils de travailleurs bénéficient le plus de l’automatisation plutôt que de l’augmentation ?
Historiquement, les technologies transformatrices comme l’électrification et le moteur à combustion interne ont stimulé la croissance économique moderne, mais ont initialement exacerbé les inégalités mondiales, comme le montrent les travaux des économistes Robert Gordon et Lant Pritchett. L’IA risque de suivre une trajectoire similaire : si les gains de productivité profitent principalement aux économies à forte adoption, les récentes tendances de convergence de la croissance – mises en évidence par les études de Michael Kremer et d’autres – pourraient s’inverser, creusant ainsi les divisions entre les pays riches et émergents.
Au sein des entreprises, une adoption inégale des tâches pourrait remodeler les paysages de l’emploi. L’automatisation peut remplacer les rôles de débutant dans le codage ou l’administration, tout en dotant les travailleurs expérimentés de connaissances organisationnelles, ce qui pourrait potentiellement augmenter les salaires de ces derniers. Le rapport cite les recherches de David Autor et d’autres sur la diffusion technologique, soulignant que les premières concentrations précèdent souvent une transformation généralisée à mesure que des innovations complémentaires émergent.
L’analyse d’Anthropic arrive à un moment charnière, alors que les modèles pionniers comme Claude continuent d’évoluer. Les auteurs du rapport, dirigés par Ruth Appel, Peter McCrory et Alex Tamkin, soulignent que si le progrès technique est inévitable, les résultats sociétaux dépendent de choix délibérés. Les décideurs politiques pourraient promouvoir un accès équitable grâce à des investissements dans les infrastructures, des subventions pour les outils de données dans les régions en développement ou des programmes éducatifs alliant connaissances en IA et compétences humaines.
Les chefs d’entreprise, quant à eux, ont tout à gagner à s’attaquer rapidement aux obstacles contextuels. En modernisant les pipelines de données et foEn favorisant la collaboration homme-IA, les entreprises peuvent étendre l’IA au-delà des silos de codage vers diverses opérations, améliorant ainsi leur compétitivité. Les conclusions du rapport sur la faible sensibilité aux prix suggèrent qu’à mesure que les capacités progressent, l’adoption va probablement s’accélérer, mais des interventions ciblées sont nécessaires pour garantir l’inclusivité.
Pour l’avenir, Anthropic prévoit une surveillance continue de ces modèles, fournissant des points d’ancrage empiriques pour naviguer dans les effets d’entraînement économiques de l’IA. En tant que troisième volet de l’Indice économique, cette édition élargit le cadre avec des informations sur les API et une granularité mondiale, soulignant le double potentiel de la technologie : amplifier la prospérité ou creuser les disparités.
Dans leurs remarques finales, les auteurs préviennent que « les effets économiques de l’IA transformatrice seront façonnés autant par les capacités techniques que par les choix politiques faits par les sociétés ». L’histoire démontre que les trajectoires d’adoption sont malléables et évoluent avec la maturité, les innovations et le déploiement intentionnel. Les tendances concentrées d’aujourd’hui pourraient s’élargir, capturant tout le potentiel de productivité de l’IA au-delà des secteurs et des frontières. Pourtant, des mesures proactives désormais, depuis le plaidoyer public jusqu’à la stratégie d’entreprise, détermineront si l’IA favorise la convergence ou la divergence dans l’économie mondiale.
Ce rapport met non seulement en lumière les tendances actuelles, mais fournit également aux parties prenantes des outils basés sur les données pour influencer la trajectoire de l’IA. À mesure que l’adoption s’intensifie, l’interaction de la géographie, des besoins des entreprises et des modes d’utilisation sera essentielle pour exploiter l’IA en vue d’une croissance équitable.
