Imaginons une ingénieure à neuf heures un mardi matin, un personnage inventé pour cet article. Elle a onze sessions d’agents ouvertes. Quatre ont terminé et attendent qu’elle lise ce qu’elles ont écrit. Deux se sont arrêtées sur une question à laquelle elle seule peut répondre. Une est inactive depuis vendredi parce qu’elle a poliment demandé l’autorisation de supprimer un répertoire. Toutes signalent la même urgence. Elle n’a pas écrit une ligne de code depuis le petit-déjeuner, et elle est le composant le plus lent de la pièce.

La scène est inventée, mais sa mécanique vient d’un rapport publié le 16 octobre par les économistes d’Anthropic. Nathan Wilmers, Regina Catipon, Maxim Massenkoff et Peter McCrory ont utilisé les données de l’entreprise sur l’emploi, l’usage de l’IA, la production, les calendriers et les décisions de recrutement, ainsi que 17 entretiens avec des salariés, pour demander ce que l’IA a changé au travail chez ceux qui la construisent. Leur réponse comporte deux volets qui cohabitent mal. La production par personne a fortement augmenté. La part des profils techniques débutants embauchés a baissé encore plus vite.

La part des débutants dans les recrutements est passée de 27 % à 9 %

Selon le rapport, la part des salariés débutants dans les services techniques d’Anthropic est passée de 21 % à 14 % depuis le début de 2025. Leur part dans les recrutements techniques a chuté de 27 % à 9 %. Les discussions sur une demande plus faible de personnel technique débutant ont commencé en janvier 2026 dans les équipes les plus utilisatrices de Claude, qui constataient pouvoir lui confier de plus en plus l’écriture de code et la recherche de bugs. Une personne interrogée dit que le gain du modèle pour les ingénieurs de performance a « changé pratiquement du jour au lendemain ce que nous recherchions ». En avril, les équipes d’ingénierie et de recherche accordaient moins de priorité aux postes techniques de bas niveau. Dans une enquête ce mois-là, environ un tiers des responsables d’apprentissage automatique et un cinquième de ceux du génie logiciel disaient recruter moins à cause de l’IA.

L’entreprise ne rétrécit pas. Sa taille a triplé en un an et, selon les auteurs, elle génère deux à quatre fois plus de chiffre d’affaires par salarié que Meta et Google au même âge de cinq ans, une comparaison fondée sur les données internes d’Anthropic et les rapports annuels des deux rivaux. La part technique de l’ensemble des salariés est passée de 61 % à 56 %, car les recrutements dans les ventes, la finance et le recrutement progressaient plus vite. Les auteurs ne prétendent pas que chaque changement est causé par l’IA. Une partie relève simplement, écrivent-ils, d’une entreprise en croissance qui ajoute des fonctions de gestion.

Les agents ont travaillé six heures pour chaque heure humaine

La télémétrie derrière l’affirmation de productivité est aussi frappante que les chiffres de recrutement. En mars 2026, les heures cumulées des agents autonomes et interactifs ont dépassé pour la première fois les heures humaines. En comptant seulement les agents dirigés par des salariés individuels, le ratio atteignait six heures d’agents pour une heure humaine en août. Les heures humaines reposent ici sur une hypothèse : les effectifs multipliés par quarante heures par semaine.

La production a suivi. Les commits de code par ingénieur étaient cinq fois plus nombreux que six mois auparavant. Les juristes traitaient davantage de contrats, la comptabilité fournisseurs davantage de factures, les commerciaux concluaient davantage de ventes. Sachant qu’une entreprise vendant un modèle performant conclut plus facilement des contrats, les auteurs ont comparé des personnes sur un même mois : 192 ingénieurs ayant adopté des agents de programmation et 74 ne l’ayant pas fait. Le code ajouté par ingénieur a fortement augmenté après l’adoption. Ils ont aussi comparé le code écrit par une personne à celui de son propre agent, dans le même mois et répertoire, sans trouver de différence dans la fréquence des suppressions ou annulations ultérieures de lignes. Ils ajoutent deux réserves. L’adoption n’était pas aléatoire : les personnes sur le point d’entamer un grand projet peuvent être celles qui s’équipent, et celles passées aux agents entièrement autonomes augmentaient déjà leur production auparavant. Ces mesures sont en outre des indicateurs indirects de qualité, pas un verdict.

L’attention humaine est le goulot d’étranglement

Le constat le plus parlant concerne l’effet de cette vitesse sur les personnes. Dans les sessions interactives, les agents passent environ 80 % du temps à attendre un humain. En convertissant leurs sorties en mots à une vitesse moyenne de lecture, les auteurs estiment que même les salariés non techniques auraient besoin de plus d’une demi-semaine de travail pour lire tout ce que leurs sessions Claude produisent. Un ingénieur a décrit « une armée de Claude, chacun réclamant mon attention ». Un autre a comparé cela à la garde d’enfants, chaque préoccupation étant exprimée au même volume.

Les personnes réagissent en créant des outils. Les instructions écrites permanentes pour agents sont passées de quelques centaines en juillet 2025 à 8 500 un an plus tard. La part des sessions interactives des salariés consacrée à ce que les auteurs appellent le métatravail, comme rédiger les spécifications d’exécutions multi-agents, charger un agent d’en contrôler un autre et surveiller les pipelines, est passée de 10 % à l’automne 2025 à 22 % au printemps 2026. Le recrutement a évolué en parallèle. Dans les grilles d’entretien, les mentions d’usage créatif des outils d’IA ont triplé pour les postes techniques et quadruplé pour les autres par rapport à 2024 ; chez les candidats techniques, la plus forte hausse concernait les commentaires sur l’autonomie et le jugement, tandis que les discussions d’expertise métier reculaient.

Le contact humain n’a pas disparu. Le salarié médian passe 20 % de temps supplémentaire en réunion par rapport à un an auparavant ; chez les contributeurs techniques sans fonction de management, la hausse est de 16 %, même si la croissance de l’entreprise en explique une partie.

Ce que fait l’entreprise et ce qu’elle laisse ouvert

Les auteurs citent trois caractéristiques de l’approche d’Anthropic qu’ils jugent importantes : un actionnariat salarié étendu, un système d’alerte précoce suivant les emplois menacés et une priorité donnée à la mobilité interne. Les salariés présents depuis au moins un an avaient, pour chaque mois de 2026, une probabilité de changer de service supérieure de 50 % à celle de 2025. Les auteurs nomment aussi un coût : s’engager à réaffecter le personnel actuel peut rendre l’employeur réticent à prendre un risque avec de nouvelles recrues.

Puis ils formulent eux-mêmes le point inconfortable. Aucune de ces actions, écrivent-ils, ne traite directement le ralentissement des recrutements débutants, et les protections des salariés en place « ne profiteront pas à ceux qui n’ont pas été embauchés au départ ». Le rapport est aussi le récit d’une entreprise sur elle-même, écrit par ses économistes. Il n’a pas de groupe de comparaison extérieur et porte sur une société dont la valorisation monte et qui accède exceptionnellement tôt à ses propres outils.

Des preuves extérieures vont dans le même sens, à une échelle moins fine. Une étude du Stanford Digital Economy Lab révisée le 12 août, utilisant les données de paie d’ADP sur des millions de travailleurs américains jusqu’en juin 2026, ne trouve pas de déplacement généralisé des emplois. Elle trouve toutefois que l’emploi des 22–25 ans dans les professions exposées à l’IA se situe 19 % sous le niveau qu’il aurait atteint en suivant leurs pairs moins exposés, l’écart provenant surtout de recrutements réduits et non de départs. L’étude d’Anthropic de décembre 2025 sur ses ingénieurs avait signalé l’inquiétude sous l’autre angle : certains craignaient que produire facilement rende l’apprentissage plus difficile.

Une place à la table

Revenons à l’ingénieure imaginaire et à ses onze sessions. Elle n’est pas superflue. Le rapport suggère qu’elle est la ressource rare et que l’entreprise s’efforce de mieux exploiter son temps. Ce qu’il ne peut lui dire, c’est d’où viendra la prochaine personne comme elle, si le premier échelon qui formait autrefois des ingénieurs dotés de son jugement est celui où l’on recrute le moins. Les économistes concluent en demandant aux pouvoirs publics reconversion et soutien au revenu, en complément de l’action des employeurs. Dans le récit, son bureau continuera de se remplir plus vite qu’elle ne peut le vider. Savoir si quelqu’un sera formé pour s’asseoir à côté d’elle reste une question ouverte dans les données.

Références

  • Brynjolfsson, E., Chandar, B., & Chen, R. (2026, revised 12 August). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. digitaleconomy.stanford.edu
  • Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). How AI is transforming work at Anthropic. Anthropic. anthropic.com
  • Wilmers, N., Catipon, R., Massenkoff, M., & McCrory, P. (2026). How employment is changing at Anthropic. The Anthropic Institute. anthropic.com