50 % des emplois de cols blancs menacés ? Anthropic finance la recherche pour le découvrir
Eliott Ardisson
Founder & CEO - Basalt Studio
Anthropic finance un programme de recherche pour mesurer l'impact de l'IA sur l'emploi. Ce que cela signifie concrètement pour les PME et leurs dirigeants.
En bref
- Anthropic a lancé le Programme Economic Futures, une initiative de recherche indépendante dotée de 15 millions de dollars pour étudier les effets économiques de l’IA sur le marché du travail
- Les dirigeants d’Anthropic, dont Dario Amodei, ont publiquement évoqué le risque d’élimination d’une large part des emplois de cols blancs d’entrée de gamme dans les cinq prochaines années
- Contrairement aux révolutions industrielles précédentes, cette vague d’automatisation cible d’abord les tâches cognitives et répétitives — pas les métiers physiques
- Les secteurs les plus exposés à court terme sont le service client, l’analyse financière junior, la programmation de bas niveau et la gestion administrative
- Pour les PME, la bonne réponse n’est ni la panique ni l’attente : c’est une lecture honnête de ses propres processus, suivie d’une adaptation progressive
Ce qu’Anthropic a réellement annoncé
En juin 2025, Anthropic a lancé le Programme Economic Futures : une initiative de recherche de 15 millions de dollars visant à produire des données empiriques rigoureuses sur l’impact économique de l’IA. L’objectif déclaré est de financer des chercheurs indépendants — économistes, spécialistes du travail, sociologues — en leur garantissant une liberté académique totale, y compris la liberté de publier des conclusions défavorables à l’industrie.
Ce qui distingue ce programme des études habituellement commanditées par les grandes entreprises tech, c’est précisément cette indépendance affichée. Les partenaires académiques incluent des institutions comme le MIT, Stanford, Berkeley et la Brookings Institution, avec des axes de recherche couvrant la productivité, les salaires, les dynamiques sectorielles et les politiques publiques d’accompagnement.
Le programme ne se contente pas d’observer : il cherche à modéliser des scénarios sur 5 à 10 ans, à partir d’analyses de postes, d’enquêtes auprès de dirigeants et d’évaluations des capacités actuelles des agents IA. Les résultats sont destinés à éclairer les décideurs politiques autant que les chefs d’entreprise.
Les projections sur l’emploi : ce qui a été dit, et ce qui reste incertain
Dario Amodei, PDG d’Anthropic, a formulé une projection qui a retenu l’attention de la presse : l’IA pourrait éliminer une part substantielle des emplois de cols blancs d’entrée de gamme dans les cinq prochaines années. Certains scénarios évoqués, dans ses prises de parole publiques, vont jusqu’à évoquer un taux de chômage américain pouvant atteindre 10 à 20 % dans les configurations les plus défavorables.
Il faut lire ces chiffres pour ce qu’ils sont : des scénarios d’alerte, pas des prédictions certifiées. Amodei lui-même les présente comme une raison de financer la recherche — précisément parce qu’on ne sait pas encore avec précision quelle sera l’ampleur réelle du phénomène.
Ce que l’on sait avec davantage de certitude, c’est la direction du mouvement. McKinsey et d’autres cabinets d’analyse ont documenté, au fil des dernières années, que les tâches les plus automatisables sont celles qui combinent haute répétitivité et traitement de l’information structurée : saisie, extraction, synthèse, tri, réponse standardisée. Or ce sont précisément les tâches qui constituent l’essentiel du travail junior dans de nombreux secteurs de services.
Pourquoi les cols blancs sont plus exposés que les cols bleus
C’est l’un des renversements les plus contre-intuitifs de cette vague technologique. Les révolutions industrielles précédentes — mécanisation agricole, chaîne de montage, informatisation — ciblaient principalement le travail physique ou mécanique. Les emplois de bureau, eux, semblaient protégés par leur composante intellectuelle.
L’IA générative inverse cette logique. Elle excelle à traiter du texte, à synthétiser des documents, à répondre à des questions, à produire des rapports standardisés, à analyser des données financières. En d’autres termes, elle réplique précisément ce que font les profils juniors dans les cabinets juridiques, les services comptables, les équipes de support client ou les agences de contenu.
À l’inverse, un technicien HVAC qui diagnostique une panne sur site, un maçon qui adapte son geste à l’état réel d’un mur, ou un aide-soignant qui gère une situation d’urgence dans un contexte émotionnel chargé — ces profils sont beaucoup plus difficiles à automatiser. Non par manque d’intelligence requise, mais parce que la dextérité physique adaptative et l’interaction humaine situationnelle restent des capacités que les systèmes actuels ne maîtrisent pas.
Ce renversement a des implications importantes pour les PME : les fonctions les plus exposées ne sont pas toujours celles que l’on anticipe.
Les secteurs les plus exposés à horizon 3-5 ans
À partir des travaux de recherche disponibles et des orientations du Programme Economic Futures, voici les domaines où la pression de l’automatisation est déjà perceptible ou clairement prévisible :
Service client et support Les agents IA sont déjà déployés pour gérer des volumes importants de demandes entrantes dans de nombreuses entreprises. La pression sur les postes de support de premier niveau est immédiate, en particulier pour les profils traitant des requêtes standardisées par email ou chat.
Programmation et développement junior C’est l’une des observations les plus paradoxales : les ingénieurs qui construisent les outils d’IA sont eux-mêmes exposés au bas de la hiérarchie. Les tâches de génération de code simple, de débogage de routine et de documentation sont aujourd’hui largement assistées par des modèles comme Claude. Cela ne supprime pas le besoin d’ingénieurs seniors, mais réduit mécaniquement le besoin d’embaucher des juniors pour absorber les volumes.
Analyse financière et comptabilité de base La réconciliation de données, la production de rapports périodiques, l’analyse de variance standard — ce sont des tâches pour lesquelles les modèles d’IA sont déjà opérationnels dans plusieurs entreprises. Les cabinets comptables qui n’ont pas encore réfléchi à leur positionnement face à cette évolution prennent du retard.
Recherche juridique et travail para-juridique La synthèse de jurisprudence, la recherche de précédents, la revue de contrats sur des critères standardisés : autant de tâches traditionnellement confiées aux paralegals ou aux avocats juniors, aujourd’hui adressables par des agents spécialisés.
Création de contenu standardisée Les descriptions produit, les newsletters formatées, les articles SEO génériques, les comptes-rendus de réunion : la production de contenu à faible valeur différenciante est déjà largement automatisable. Cela ne concerne pas l’écriture créative ou stratégique, mais la production de volume.
Administration et gestion documentaire Planification, saisie, classement, traitement de formulaires, suivi de dossiers : les outils d’automatisation de workflows comme n8n permettent déjà de réduire significativement le temps humain consacré à ces tâches dans des PME bien outillées.
Ce que cela signifie concrètement pour une PME
La plupart des dirigeants de PME ne lisent pas les projections d’Anthropic en se demandant quel sera le taux de chômage en 2030. Ils se demandent : est-ce que cela me concerne maintenant, et si oui, par où je commence ?
La réponse honnête est : oui, cela vous concerne, mais le niveau d’urgence dépend de votre secteur et de la nature de vos processus.
Si plus de la moitié du temps de vos collaborateurs est consacré à des tâches répétitives et standardisées — traitement d’emails, mise à jour de CRM, production de rapports, qualification de leads, réponse à des FAQ — alors vous avez des processus automatisables dès aujourd’hui, avec des outils existants et matures.
Si votre valeur repose principalement sur la relation client, le conseil personnalisé, la créativité ou l’expertise technique très spécialisée, vous êtes moins exposé à court terme — mais vous pouvez tout de même utiliser l’IA pour libérer du temps sur les tâches périphériques.
Dans notre travail avec des PME dans les secteurs du recrutement, de l’immobilier et des services professionnels, le constat le plus fréquent est que les équipes passent une proportion importante de leur temps sur des tâches d’organisation et de traitement que personne ne trouve enrichissantes. Ce sont ces tâches-là qui constituent le meilleur point d’entrée pour une première automatisation.
Les erreurs courantes dans l’approche de l’automatisation
Automatiser sans avoir cartographié Beaucoup d’entreprises commencent par l’outil plutôt que par le processus. Elles déploient un chatbot ou un outil de génération de contenu sans avoir identifié précisément quel problème elles cherchent à résoudre. Le résultat est souvent un outil sous-utilisé ou mal adapté.
Viser trop large trop vite L’automatisation progressive fonctionne mieux que la transformation totale. Commencer par deux ou trois processus bien définis, mesurer les résultats, ajuster, puis étendre — cette approche réduit le risque de friction interne et permet d’apprendre chemin faisant.
Sous-estimer la résistance au changement L’introduction d’outils IA dans une équipe soulève des questions légitimes chez les collaborateurs. Les ignorer est une erreur. Les PME qui réussissent leurs déploiements sont celles qui expliquent le “pourquoi”, impliquent les équipes dans le choix des processus à automatiser, et repositionnent les personnes sur des tâches à plus forte valeur.
Confondre automatisation et remplacement L’objectif d’une automatisation bien pensée n’est pas de réduire les effectifs — c’est d’augmenter la capacité de l’équipe existante. Un cabinet de recrutement qui automatise la qualification initiale des CV ne licencie pas ses recruteurs : il leur permet de passer plus de temps en entretien et en conseil client.
Comment évaluer votre propre niveau d’exposition
Quelques questions pratiques pour orienter votre réflexion :
- Quelle proportion du temps de vos collaborateurs est consacrée à des tâches qui suivent un schéma répétitif et prévisible ?
- Avez-vous des processus où l’information entre d’un côté (email, formulaire, document) et doit sortir de l’autre dans un format standard ?
- Vos concurrents ont-ils commencé à déployer des outils IA visibles ? Leurs délais de réponse ou leurs prix ont-ils changé récemment ?
- Avez-vous des postes juniors dont les missions sont principalement constituées de tâches de traitement ou de synthèse ?
Si vous répondez oui à deux ou trois de ces questions, un audit de vos processus a du sens. Pas nécessairement pour automatiser immédiatement, mais pour comprendre où vous en êtes et prendre des décisions informées.
Ce que la recherche d’Anthropic change dans le débat public
Ce programme de recherche arrive à un moment où le débat sur l’IA et l’emploi est souvent soit alarmiste soit déni. Les uns prédisent la fin du travail, les autres affirment que “l’IA crée plus d’emplois qu’elle n’en supprime” en s’appuyant sur des analogies historiques parfois mal adaptées au contexte actuel.
Ce qui manque, c’est précisément ce qu’Anthropic cherche à produire : des données granulaires, secteur par secteur, tâche par tâche, avec une méthodologie rigoureuse et une liberté de publication totale.
Gartner, McKinsey et d’autres cabinets publient régulièrement des estimations sur l’automatisation des emplois, mais leurs chiffres varient considérablement selon les hypothèses retenues. Une recherche indépendante, financée par l’un des acteurs centraux du développement des modèles de langage, avec un accès direct aux données d’utilisation, pourrait produire des conclusions significativement plus précises.
Pour les dirigeants de PME, cela signifie que les données disponibles pour prendre des décisions vont s’améliorer dans les prochaines années. Ce n’est pas une raison d’attendre — c’est une raison de rester attentif à ce que cette recherche produira.
Adapter sa stratégie sans se laisser dépasser
L’histoire des transitions technologiques montre que les entreprises qui s’en sortent le mieux ne sont pas nécessairement celles qui adoptent le plus vite — ce sont celles qui adoptent le plus intelligemment. La mécanisation agricole a effectivement supprimé des emplois, mais elle a aussi permis à des millions de personnes de quitter des travaux épuisants pour des activités plus valorisantes. L’informatisation a transformé la comptabilité, mais les comptables qui ont appris à utiliser les outils ont vu leur productivité et leur valeur augmenter.
L’IA suit une logique comparable. Les tâches qui disparaissent sont réelles. Mais les rôles qui émergent — gestionnaire de workflow IA, responsable de la qualité des outputs, spécialiste de l’intégration humain-machine — sont aussi réels, et souvent plus intéressants.
Pour une PME, la question stratégique n’est pas “comment éviter l’automatisation” mais “comment utiliser l’automatisation pour renforcer ce qui me différencie vraiment” — la relation client, l’expertise sectorielle, la capacité à résoudre des problèmes complexes et non standard.
Le Programme Economic Futures d’Anthropic ne donnera pas toutes les réponses immédiatement. Mais il signale quelque chose d’important : même le laboratoire qui développe ces modèles reconnaît qu’il ne sait pas encore précisément quels seront les effets, et que la question mérite une investigation sérieuse plutôt que des certitudes prématurées.
Pour vous, en tant que dirigeant, le message pratique est simple : prenez le temps de comprendre où vos processus sont exposés, commencez à expérimenter sur des périmètres limités, et évitez les deux extrêmes — paniquer ou ignorer.
Si vous souhaitez discuter de l’exposition spécifique de votre entreprise et des premières pistes d’automatisation, vous pouvez réserver un appel stratégie IA avec l’équipe de Basalt Studio ici : https://cal.com/eliott-ardisson-kzq7zs/ai-strategy-call