L’Indice économique d’Anthropic offre un aperçu de la manière dont les organisations et les individus utilisent réellement de grands modèles de langage. Le rapport contient l’analyse de la société d’un million d’interactions de consommateurs sur Claude.ai, ainsi que d’un million d’appels API d’entreprise, tous datés de novembre 2025. Les chiffres sont basés sur des observations, plutôt que sur un échantillon de décideurs commerciaux ou une enquête générique.
Les cas d’utilisation limités dominent
L’utilisation de l’IA d’Anthropic a tendance à se concentrer autour d’un nombre relativement restreint de tâches, les dix tâches les plus fréquemment réalisées représentant près d’un quart des interactions des consommateurs et près d’un tiers du trafic de l’API d’entreprise. Il y a une focalisation sur l’utilisation de Claude pour la création et la modification de code, comme on pourrait s’y attendre.
L’augmentation surpasse l’automatisation
Sur les plateformes de consommateurs, l’utilisation collaborative – où les utilisateurs itèrent sur les requêtes de l’IA au cours d’une conversation virtuelle – est plus courante que l’utilisation de l’IA pour produire des flux de travail automatisés. L’utilisation de l’API d’entreprise montre l’inverse, car les entreprises tentent de réaliser des économies en automatisant des tâches. Cependant, bien que Claude réussisse sur des tâches plus courtes, la qualité des résultats observée diminue plus la tâche est complexe (ou la série de tâches) et plus le « temps de réflexion » requis est long.
Les gains de productivité sont atténués par la fiabilité
Le rapport note que les affirmations selon lesquelles l’IA augmenterait la productivité annuelle du travail de 1,8 % (sur une décennie) seraient probablement mieux réduites à 1-1,2 %, en raison de la nécessité de prendre en compte des coûts supplémentaires. Les gains potentiels pour une organisation déployant l’IA dépendent également de savoir si les tâches confiées au LLM complètent ou remplacent le travail. Dans le dernier cas, le succès de la substitution d’une IA aux tâches normalement effectuées par un humain dépend de la complexité du travail.
Principales leçons à retenir pour les leaders
– La mise en œuvre de l’IA délivre le plus rapidement de la valeur dans des domaines spécifiques et bien définis.
– Les systèmes complémentaires (IA + humain) surpassent l’automatisation totale pour les travaux complexes.
– La fiabilité et le travail supplémentaire nécessaire ‘autour’ de l’IA réduisent les gains de productivité prévus.
– Les changements dans la composition des effectifs dépendent du mélange de tâches et de leur complexité, et non de rôles spécifiques.
Il est à noter que le rapport trouve une corrélation presque parfaite entre la sophistication des requêtes des utilisateurs au LLM et les résultats réussis. Ainsi, la manière dont les gens utilisent l’IA façonne ce qu’elle délivre.