{"id":660,"date":"2026-03-06T09:31:56","date_gmt":"2026-03-06T08:31:56","guid":{"rendered":"https:\/\/alain.goudey.eu\/side\/?p=660"},"modified":"2026-03-06T09:31:56","modified_gmt":"2026-03-06T08:31:56","slug":"ia-et-marche-du-travail-ce-que-revele-et-ce-que-ne-dit-pas-le-nouveau-rapport-danthropic","status":"publish","type":"post","link":"https:\/\/alain.goudey.eu\/side\/2026\/03\/06\/ia-et-marche-du-travail-ce-que-revele-et-ce-que-ne-dit-pas-le-nouveau-rapport-danthropic\/","title":{"rendered":"IA et march\u00e9 du travail : ce que r\u00e9v\u00e8le (et ce que ne dit pas) le nouveau rapport d’Anthropic"},"content":{"rendered":"\n

Le 5 mars 2026, Anthropic a publi\u00e9 un rapport de recherche intitul\u00e9 Labor market impacts of AI: A new measure and early evidence<\/em>, sign\u00e9 par Maxim Massenkoff et Peter McCrory. Ce document propose une approche in\u00e9dite pour mesurer l’exposition r\u00e9elle des m\u00e9tiers \u00e0 l’intelligence artificielle, en distinguant ce que l’IA pourrait<\/em> th\u00e9oriquement faire de ce qu’elle fait effectivement<\/em> dans les usages professionnels observ\u00e9s. C’est un travail rigoureux, ancr\u00e9 dans les donn\u00e9es, qui m\u00e9rite qu’on s’y attarde, autant pour ce qu’il nous apprend que pour ce qu’il laisse dans l’ombre.<\/p>\n\n\n\n

Les grands enseignements du rapport<\/h2>\n\n\n\n

Une nouvelle mesure : l’\u00ab observed exposure \u00bb<\/h3>\n\n\n\n

La contribution centrale du rapport est l’introduction d’une mesure baptis\u00e9e observed exposure<\/em> (exposition observ\u00e9e). Contrairement aux indices d’exposition habituels, fond\u00e9s uniquement sur les capacit\u00e9s th\u00e9oriques des LLM (comme le \u03b2 d’Eloundou et al., 2023), cette mesure croise trois sources de donn\u00e9es : la base O*NET qui recense les t\u00e2ches de pr\u00e8s de 800 m\u00e9tiers aux \u00c9tats-Unis, les donn\u00e9es d’usage r\u00e9el de Claude issues de l’Anthropic Economic Index, et les estimations th\u00e9oriques de faisabilit\u00e9 par un LLM de chacune de ces t\u00e2ches.<\/p>\n\n\n\n

L’id\u00e9e est simple mais puissante : un m\u00e9tier est davantage expos\u00e9 si ses t\u00e2ches sont non seulement th\u00e9oriquement r\u00e9alisables par l’IA, mais aussi effectivement observ\u00e9es dans des contextes professionnels, et ce de mani\u00e8re automatis\u00e9e plut\u00f4t qu’augmentative. Les usages via API ou workflows automatis\u00e9s comptent davantage que l’utilisation conversationnelle par un humain.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

L’\u00e9cart entre th\u00e9orie et r\u00e9alit\u00e9 est consid\u00e9rable<\/h3>\n\n\n\n

L’un des r\u00e9sultats les plus frappants : l’IA est tr\u00e8s loin d’exploiter son potentiel th\u00e9orique. Dans la cat\u00e9gorie \u00ab Computer & Math \u00bb, par exemple, 94 % des t\u00e2ches sont th\u00e9oriquement r\u00e9alisables par un LLM, mais seules 33 % sont effectivement couvertes dans les donn\u00e9es d’usage. Cet \u00e9cart massif se retrouve dans presque toutes les cat\u00e9gories professionnelles, des m\u00e9tiers juridiques aux postes administratifs. Les raisons sont multiples : contraintes r\u00e9glementaires, n\u00e9cessit\u00e9 de v\u00e9rification humaine, limites des mod\u00e8les actuels, ou tout simplement lenteur de diffusion.<\/p>\n\n\n\n

Les m\u00e9tiers les plus expos\u00e9s<\/h3>\n\n\n\n

Le rapport identifie les dix m\u00e9tiers les plus expos\u00e9s selon cette nouvelle mesure. En t\u00eate, les programmeurs informatiques affichent un taux de couverture de 74,5 %, leur t\u00e2che principale \u2014 \u00e9crire, mettre \u00e0 jour et maintenir des programmes, \u00e9tant massivement observ\u00e9e dans les usages de Claude. <\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Suivent les repr\u00e9sentants du service client (70,1 %), dont les interactions avec les clients sont de plus en plus prises en charge par des flux API automatis\u00e9s. Les op\u00e9rateurs de saisie de donn\u00e9es (67,1 %), les sp\u00e9cialistes des dossiers m\u00e9dicaux (66,7 %), les analystes en marketing (64,8 %), les commerciaux (62,8 %), les analystes financiers (57,2 %), les testeurs logiciels (51,9 %), les analystes en s\u00e9curit\u00e9 informatique (48,6 %) et les sp\u00e9cialistes du support informatique (46,8 %) compl\u00e8tent ce classement.<\/p>\n\n\n\n

Les m\u00e9tiers les plus prot\u00e9g\u00e9s<\/h3>\n\n\n\n

\u00c0 l’autre extr\u00e9mit\u00e9 du spectre, 30 % des travailleurs am\u00e9ricains ont un taux de couverture nul : leurs t\u00e2ches apparaissent trop rarement dans les donn\u00e9es d’usage pour atteindre le seuil minimal. Parmi eux : cuisiniers, m\u00e9caniciens moto, sauveteurs, barmans, plongeurs, habilleurs. Ce sont essentiellement des m\u00e9tiers physiques, manuels ou relationnels de proximit\u00e9 \u2014 le type de travail que l’IA est tr\u00e8s loin de pouvoir remplacer.<\/p>\n\n\n\n

Un profil-type du travailleur expos\u00e9<\/h3>\n\n\n\n

Les travailleurs les plus expos\u00e9s ne sont pas ceux qu’on imagine souvent. Compar\u00e9s au groupe non expos\u00e9, ils sont en moyenne 16 points de pourcentage plus susceptibles d’\u00eatre des femmes, 11 points plus souvent blancs, et presque deux fois plus souvent d’origine asiatique. <\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Ils gagnent en moyenne 47 % de plus (32,69 $ contre 22,23 $ de l’heure). Et leur niveau d’\u00e9ducation est nettement sup\u00e9rieur : 17,4 % d\u00e9tiennent un dipl\u00f4me de cycle sup\u00e9rieur dans le groupe expos\u00e9, contre 4,5 % dans le groupe non expos\u00e9, un rapport de pr\u00e8s de un \u00e0 quatre.<\/p>\n\n\n\n

Pas (encore) d’effet sur le ch\u00f4mage, mais un signal sur les jeunes<\/h3>\n\n\n\n

Le r\u00e9sultat le plus rassurant, et pas si surprenant que \u00e7a, du rapport est l’absence d’effet mesurable sur le taux de ch\u00f4mage des travailleurs expos\u00e9s depuis la sortie de ChatGPT fin 2022. L’analyse en diff\u00e9rences de diff\u00e9rences ne r\u00e9v\u00e8le aucune divergence statistiquement significative entre le quartile le plus expos\u00e9 et le groupe non expos\u00e9, avec un coefficient de +0,0020 (\u00e9cart-type 0,0019), indiscernable de z\u00e9ro.<\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

En revanche, un signal plus inqui\u00e9tant \u00e9merge pour les jeunes travailleurs de 22 \u00e0 25 ans. Le taux d’entr\u00e9e dans un nouvel emploi dans les m\u00e9tiers expos\u00e9s a diminu\u00e9 d’environ 14 % par rapport \u00e0 2022, un r\u00e9sultat \u00e0 peine statistiquement significatif mais qui converge avec les travaux de Brynjolfsson et al. (2025) \u00e0 partir des donn\u00e9es ADP. <\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Ce n’est pas tant que les jeunes perdent leur emploi, mais plut\u00f4t qu’ils semblent ne pas \u00eatre embauch\u00e9s dans les m\u00e9tiers les plus touch\u00e9s. C’est donc un ph\u00e9nom\u00e8ne de ralentissement du recrutement plut\u00f4t que de licenciement… qui expose de facto toute une g\u00e9n\u00e9ration de dipl\u00f4m\u00e9s qui arrivent actuellement sur le march\u00e9 du travail ! <\/p>\n\n\n\n

L’exposition observ\u00e9e pr\u00e9dit (un peu) les projections du BLS<\/h3>\n\n\n\n

Les auteurs montrent une corr\u00e9lation modeste mais r\u00e9elle entre leur mesure d’exposition et les projections d’emploi 2024-2034 du Bureau of Labor Statistics : pour chaque augmentation de 10 points de pourcentage de la couverture observ\u00e9e, la projection de croissance de l’emploi diminue de 0,6 point. <\/p>\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Le R\u00b2 reste faible (0,027), mais cette corr\u00e9lation n’existe pas avec la mesure th\u00e9orique d’Eloundou et al. seule, ce qui valide l’apport de la dimension \u00ab usage r\u00e9el \u00bb.<\/p>\n\n\n\n

Analyse critique : ce que le rapport d’Anthropic ne dit pas (encore)<\/h2>\n\n\n\n

Un biais structurel vers l’\u00e9cosyst\u00e8me Anthropic<\/h3>\n\n\n\n

La limite la plus \u00e9vidente tient \u00e0 la source des donn\u00e9es d’usage : elles proviennent exclusivement de Claude et de l’Anthropic Economic Index. Or, le march\u00e9 des LLM est fragment\u00e9. ChatGPT d’OpenAI, Gemini de Google, les mod\u00e8les de Mistral AI, les LLM open source d\u00e9ploy\u00e9s en interne par certaines entreprises, rien de tout cela n’est captur\u00e9. <\/p>\n\n\n

\n
\"Part<\/figure>\n<\/div>\n\n\n

L’exposition \u00ab observ\u00e9e \u00bb est donc en r\u00e9alit\u00e9 une exposition observ\u00e9e sur Claude<\/em>, ce qui pourrait sous-estimer significativement la couverture r\u00e9elle de certains m\u00e9tiers, notamment dans des secteurs o\u00f9 d’autres outils dominent (sant\u00e9, droit, \u00e9ducation). Les auteurs en sont conscients et mentionnent vouloir incorporer d’autres sources \u00e0 l’avenir, mais cette limitation reste fondamentale pour l’interpr\u00e9tation des r\u00e9sultats, qu’il faut prendre avec pr\u00e9caution. Toutefois, la d\u00e9marche m\u00e9thodologique est vraiment pertinente et doit \u00eatre salu\u00e9e ! <\/p>\n\n\n\n

La fronti\u00e8re floue entre automatisation et augmentation<\/h3>\n\n\n\n

Le rapport propose de pond\u00e9rer plus fortement les usages automatis\u00e9s (via API) que les usages augmentatifs (conversation humain-IA). C’est une intuition raisonnable, mais la fronti\u00e8re entre les deux est plus poreuse qu’il n’y para\u00eet. Un d\u00e9veloppeur qui utilise Claude Code pour \u00e9crire du code est-il \u00ab augment\u00e9 \u00bb ou \u00ab partiellement automatis\u00e9 \u00bb ? Un service client qui int\u00e8gre Claude en premi\u00e8re ligne avec escalade humaine rel\u00e8ve-t-il de l’automatisation compl\u00e8te ? <\/p>\n\n\n\n

Le coefficient de pond\u00e9ration (plein poids pour l’automatisation, demi-poids pour l’augmentation) est un choix qui peut modifier sensiblement les r\u00e9sultats, et le rapport reconna\u00eet que ces jugements sont en partie arbitraires…<\/p>\n\n\n\n

L’angle mort de la cr\u00e9ation d’emplois<\/h3>\n\n\n\n

Le cadre analytique est enti\u00e8rement centr\u00e9 sur le risque de d\u00e9placement : quels m\u00e9tiers verront leurs t\u00e2ches automatis\u00e9es ? C’est l\u00e9gitime, mais cela occulte la moiti\u00e9 de l’\u00e9quation \u00e9conomique. L’histoire des technologies montre que les r\u00e9volutions productives cr\u00e9ent aussi des emplois (coucou Philippe Aghion) souvent dans des cat\u00e9gories qui n’existaient pas auparavant. <\/p>\n\n\n\n

Les prompt engineers, les sp\u00e9cialistes de la gouvernance IA, les designers d’exp\u00e9riences conversationnelles, les formateurs \u00e0 l’IA sont autant de fonctions \u00e9mergentes que ce cadre ne capte pas. Un suivi de l’emploi dans les m\u00e9tiers cr\u00e9\u00e9s<\/em> par l’IA serait un compl\u00e9ment indispensable \u00e0 mettre \u00ab\u00a0en face\u00a0\u00bb de cette analyse. <\/p>\n\n\n\n

Le ch\u00f4mage comme indicateur privil\u00e9gi\u00e9 : un choix discutable<\/h3>\n\n\n\n

Les auteurs justifient leur focalisation sur le ch\u00f4mage par le fait qu’il capture directement le \u00ab pr\u00e9judice \u00e9conomique \u00bb. C’est vrai, mais le ch\u00f4mage est aussi un indicateur tardif et imparfait. Un travailleur dont le m\u00e9tier est progressivement \u00e9rod\u00e9 peut conna\u00eetre une baisse de salaire, une r\u00e9duction de ses heures, un d\u00e9classement vers un emploi moins qualifi\u00e9, ou une sortie de la population active, autant de ph\u00e9nom\u00e8nes invisibles dans le taux de ch\u00f4mage… et ce d’autant plus que selon les march\u00e9s (en France par exemple), l’inertie joue \u00e0 plein ! L’analyse des revenus, de la qualit\u00e9 de l’emploi et des transitions professionnelles apporterait une image bien plus compl\u00e8te et en tout cas compl\u00e9mentaire. <\/p>\n\n\n\n

Une temporalit\u00e9 encore trop courte<\/h3>\n\n\n\n

Le rapport analyse la p\u00e9riode post-ChatGPT (fin 2022 \u00e0 d\u00e9but 2026), soit environ trois ans. C’est insuffisant pour observer des transformations structurelles du march\u00e9 du travail. Comme les auteurs le notent eux-m\u00eames en comparant l’IA \u00e0 l’internet ou au choc commercial chinois, les effets peuvent mettre une d\u00e9cennie \u00e0 se mat\u00e9rialiser pleinement. <\/p>\n\n\n\n

L’absence d’effet mesurable aujourd’hui ne pr\u00e9juge en fait pas du tout de l’ampleur des transformations \u00e0 venir, surtout si les capacit\u00e9s des mod\u00e8les continuent de progresser au rythme actuel. De la m\u00eame mani\u00e8re la pr\u00e9sence d’effets important pourrait \u00eatre stabilis\u00e9e dans le futur. C’est le principe m\u00eame de la transformation num\u00e9rique : une position d’\u00e9quilibre (possiblement tr\u00e8s) diff\u00e9rente du point de d\u00e9part (mais \u00e9quilibre quand m\u00eame).<\/p>\n\n\n\n

L’absence de dimension g\u00e9ographique et sectorielle<\/h3>\n\n\n\n

Le rapport raisonne au niveau des occupations agr\u00e9g\u00e9es sur l’ensemble des \u00c9tats-Unis. Or, l’exposition \u00e0 l’IA est probablement tr\u00e8s h\u00e9t\u00e9rog\u00e8ne selon les pays (avec un droit du travail qui diff\u00e8re), les r\u00e9gions (les hubs technologiques versus les zones rurales), les tailles d’entreprise (les grandes entreprises adoptent plus vite) et les secteurs (la finance int\u00e8gre l’IA plus rapidement que l’artisanat). Une d\u00e9sagr\u00e9gation g\u00e9ographique et sectorielle renforcerait consid\u00e9rablement la port\u00e9e des conclusions.<\/p>\n\n\n\n

A ce titre, le rapport est enti\u00e8rement centr\u00e9 sur les \u00c9tats-Unis. Les structures d’emploi, les r\u00e9glementations du travail, les conventions collectives et les filets de s\u00e9curit\u00e9 sociale diff\u00e8rent profond\u00e9ment en Europe et en France en particulier. Les m\u00e9tiers identifi\u00e9s comme les plus expos\u00e9s (service client, saisie de donn\u00e9es, programmation) existent aussi chez nous, mais dans des cadres institutionnels qui peuvent acc\u00e9l\u00e9rer ou freiner les effets de l’IA. Une transposition directe des r\u00e9sultats serait imprudente. A ne pas faire donc ! <\/p>\n\n\n\n

Trois actions concr\u00e8tes pour l’enseignement sup\u00e9rieur et la recherche en France<\/h2>\n\n\n\n

Ce rapport d’Anthropic, malgr\u00e9 ses limites, envoie un message clair : la transformation est engag\u00e9e, elle touche prioritairement les emplois qualifi\u00e9s et cognitifs, et les jeunes entrants sur le march\u00e9 du travail semblent \u00eatre les premiers affect\u00e9s. Pour l’enseignement sup\u00e9rieur et la recherche (ESR) fran\u00e7ais, c’est un appel \u00e0 l’action. Voici trois pistes concr\u00e8tes qui me semblent plus que j’amais d’actualit\u00e9.<\/p>\n\n\n\n

\n

Pour l’enseignement sup\u00e9rieur fran\u00e7ais, le message est clair : le temps de l’observation passive est termin\u00e9. Les \u00e9tablissements qui ont engag\u00e9 d\u00e8s 2023 une strat\u00e9gie syst\u00e9mique d’int\u00e9gration de l’IA de la formation des \u00e9tudiants \u00e0 celle des enseignants, des partenariats industriels \u00e0 la recherche appliqu\u00e9e sont les mieux positionn\u00e9s pour accompagner cette transformation. Les autres doivent acc\u00e9l\u00e9rer, car la fen\u00eatre pour pr\u00e9parer nos \u00e9tudiants au monde qui vient se r\u00e9duit chaque jour.<\/p>\n<\/blockquote>\n\n\n\n

Action 1: Int\u00e9grer syst\u00e9matiquement l’IA dans tous les cursus, pas seulement les fili\u00e8res tech<\/h3>\n\n\n\n

Le rapport montre que les m\u00e9tiers les plus expos\u00e9s ne sont pas uniquement ceux de l’informatique : analystes financiers, sp\u00e9cialistes marketing, repr\u00e9sentants commerciaux, sp\u00e9cialistes des dossiers m\u00e9dicaux sont tous dans le top 10. Cela signifie que chaque<\/em> programme de formation, en gestion, en droit, en sant\u00e9, en sciences humaines, doit int\u00e9grer une formation op\u00e9rationnelle \u00e0 l’IA et une compr\u00e9hension critique de ses impacts.<\/p>\n\n\n\n

NEOMA Business School a fait figure de pionni\u00e8re sur ce terrain. D\u00e8s septembre 2023, l’\u00e9cole a d\u00e9ploy\u00e9 un dispositif d’acculturation \u00e0 l’IA g\u00e9n\u00e9rative \u00e0 360\u00b0, couvrant ses 10 000 \u00e9tudiants, l’ensemble de sa facult\u00e9 et ses collaborateurs, un effort reconnu par l’AACSB qui l’a s\u00e9lectionn\u00e9 parmi les 26 innovations majeures mondiales dans l’\u00e9ducation en 2024, faisant de NEOMA l’\u00e9cole europ\u00e9enne la plus prim\u00e9e par cet organisme. Depuis, plus de 12 000 personnes ont \u00e9t\u00e9 form\u00e9es, des tuteurs IA (jumeaux num\u00e9riques des enseignants) ont \u00e9t\u00e9 d\u00e9velopp\u00e9s, un certificat ex\u00e9cutif Gen AI for Business<\/em><\/a> et un MSc Artificial Intelligence for Business <\/em><\/a>ont \u00e9t\u00e9 lanc\u00e9s. Le partenariat strat\u00e9gique sign\u00e9 avec Mistral AI en avril 2025, ouvrant l’acc\u00e8s aux outils de la licorne fran\u00e7aise \u00e0 plus de 3 000 membres de la communaut\u00e9, illustre une approche \u00ab Test & Learn \u00bb qui devrait, je crois, inspirer l’ensemble du secteur.<\/p>\n\n\n\n

Cette dynamique doit essaimer au-del\u00e0 des \u00e9coles de commerce pionni\u00e8res. La d\u00e9marche de l’Universit\u00e9 de Rennes, l’alliance \u00e9largie avec Mistral AI et EdTech France rejointe par l’Institut Mines-T\u00e9l\u00e9com, constituent des premi\u00e8res briques d’une mutualisation indispensable et que je continue d’appeler de mes voeux en multipliant les initiatives de partage. L’enjeu est maintenant de toucher les universit\u00e9s publiques, les IUT, les \u00e9coles d’ing\u00e9nieurs et les formations param\u00e9dicales, bref, les fili\u00e8res qui forment les travailleurs identifi\u00e9s comme expos\u00e9s dans le rapport d’Anthropic.<\/p>\n\n\n\n

Action 2 : Cr\u00e9er un observatoire fran\u00e7ais de l’exposition des m\u00e9tiers \u00e0 l’IA<\/h3>\n\n\n\n

Le rapport d’Anthropic s’appuie sur O*NET (base am\u00e9ricaine), le Current Population Survey (enqu\u00eate am\u00e9ricaine) et les projections du BLS (bureau statistique am\u00e9ricain). Nous n’avons pas d’\u00e9quivalent structur\u00e9 en France. France Travail (ex-P\u00f4le Emploi), la DARES et l’INSEE disposent de donn\u00e9es riches mais pas encore organis\u00e9es pour mesurer l’exposition des m\u00e9tiers \u00e0 l’IA selon la m\u00e9thodologie propos\u00e9e par Anthropic.<\/p>\n\n\n\n

L’enseignement sup\u00e9rieur et la recherche a un r\u00f4le naturel \u00e0 jouer ici. Les laboratoires d’\u00e9conomie du travail, les chaires sur la transformation num\u00e9rique, et les partenariats avec les acteurs de l’IA (Mistral AI, mais aussi les plateformes d’emploi comme Indeed ou LinkedIn) pourraient alimenter un observatoire fran\u00e7ais croisant les donn\u00e9es de capacit\u00e9 th\u00e9orique, d’usage r\u00e9el et d’\u00e9volution de l’emploi. Cet observatoire permettrait de fonder les politiques publiques de formation et de reconversion sur des donn\u00e9es probantes plut\u00f4t que sur des intuitions.<\/p>\n\n\n\n

Action 3 : Repenser l’insertion professionnelle des jeunes dipl\u00f4m\u00e9s \u00e0 l’aune de l’IA<\/h3>\n\n\n\n

Le signal le plus pr\u00e9occupant du rapport concerne les 22-25 ans : un ralentissement de 14 % de leur taux d’entr\u00e9e dans les m\u00e9tiers expos\u00e9s. Si cette tendance se confirme, elle pose une question existentielle \u00e0 l’enseignement sup\u00e9rieur : formons-nous nos \u00e9tudiants pour des postes d’entr\u00e9e qui n’existeront plus sous leur forme actuelle ?<\/p>\n\n\n\n

La r\u00e9ponse ne peut pas \u00eatre uniquement d\u00e9fensive (former \u00e0 l’IA pour \u00ab rester comp\u00e9titif \u00bb). Elle doit \u00eatre offensive : former des dipl\u00f4m\u00e9s capables de red\u00e9finir<\/em> leur propre poste, d’identifier o\u00f9 l’IA cr\u00e9e de la valeur et o\u00f9 l’humain reste irrempla\u00e7able, de piloter des projets de transformation. Cela passe par des p\u00e9dagogies exp\u00e9rientielles, ce que NEOMA exp\u00e9rimente avec ses simulateurs d’IA et ses projets en conditions r\u00e9elles (depuis pr\u00e8s d’une d\u00e9cennie maintenant).<\/p>\n\n\n\n

Concr\u00e8tement, trois leviers sont \u00e0 activer. Le premier est l’adaptation des stages et de l’alternance : les \u00e9tablissements doivent travailler avec leurs entreprises partenaires pour que les missions confi\u00e9es aux \u00e9tudiants int\u00e8grent explicitement l’IA, non pas comme un sujet d’\u00e9tude mais comme un outil de travail quotidien. Le deuxi\u00e8me est le suivi longitudinal des dipl\u00f4m\u00e9s : les enqu\u00eates d’insertion (\u00e0 6 mois, 1 an, 3 ans) doivent d\u00e9sormais mesurer l’exposition \u00e0 l’IA du poste occup\u00e9, les comp\u00e9tences mobilis\u00e9es et les transitions op\u00e9r\u00e9es. Le troisi\u00e8me est la formation continue : comme le montrent le Certificat Executive \u00ab Generative AI for Business \u00bb de NEOMA et sa d\u00e9clinaison grand public sur NEOMA Online<\/a>, l’acculturation \u00e0 l’IA ne peut pas s’arr\u00eater au dipl\u00f4me initial. Les alumni des grandes \u00e9coles et universit\u00e9s sont le premier public \u00e0 accompagner dans cette transformation, car ce sont eux qui occupent aujourd’hui les postes identifi\u00e9s comme les plus expos\u00e9s par le rapport d’Anthropic.<\/p>\n\n\n\n

Conclusion<\/h2>\n\n\n\n

Le rapport d’Anthropic a le m\u00e9rite de poser un cadre m\u00e9thodologique solide, fond\u00e9 sur des donn\u00e9es d’usage r\u00e9el plut\u00f4t que sur des projections sp\u00e9culatives. Sa conclusion principale : pas de catastrophe sur l’emploi \u00e0 ce stade, mais des signaux pr\u00e9coces de transformation, notamment pour les jeunes est \u00e0 la fois rassurante et alertante.<\/p>\n\n\n\n

R\u00e9f\u00e9rences : <\/em><\/p>\n\n\n\n

Massenkoff, M. & McCrory, P. (2026). Labor market impacts of AI: A new measure and early evidence. Anthropic. Disponible sur : anthropic.com\/research\/labor-market-impacts<\/a><\/em><\/p>\n\n\n\n

Annexes du rapport <\/em>: appendix.pdf<\/a><\/p>\n\n\n\n

Donn\u00e9es : huggingface.co\/datasets\/Anthropic\/EconomicIndex<\/a><\/em><\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Le 5 mars 2026, Anthropic a publi\u00e9 un rapport de recherche intitul\u00e9 Labor market impacts of AI: A new measure and early evidence, sign\u00e9 par … <\/p>\n","protected":false},"author":1,"featured_media":670,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,3],"tags":[163,49],"class_list":["post-660","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-education","category-ia-ai","tag-emplois","tag-ia"],"_links":{"self":[{"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/posts\/660","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/comments?post=660"}],"version-history":[{"count":3,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/posts\/660\/revisions"}],"predecessor-version":[{"id":671,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/posts\/660\/revisions\/671"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/media\/670"}],"wp:attachment":[{"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/media?parent=660"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/categories?post=660"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alain.goudey.eu\/side\/wp-json\/wp\/v2\/tags?post=660"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}