Des prédictions à la pratique : ce que les données d'utilisation de l'IA révèlent sur l'avenir du travail

Jusqu'à récemment, les chercheurs qui étudient les effets de l'IA sur le marché du travail devaient composer avec une limite fondamentale : sans données d'utilisation réelles, ils devaient s'appuyer sur des mesures théoriques d'« exposition » — des estimations de la vulnérabilité de différentes professions face aux perturbations induites par l'IA. Nous avons examiné ces études dans nos travaux antérieurs sur l'exposition à l'IA dans les pays à revenus faibles et intermédiaires. Mais une question cruciale restait sans réponse : les prédictions d'exposition pour ces emplois correspondent-elles à la façon dont les personnes utilisent concrètement l'IA ?

Les prédictions se sont largement avérées correctes

Anthropic a récemment publié des données d'utilisation anonymisées issues d'un échantillon de conversations avec Claude pendant une semaine en novembre 2025, classifiées par type de tâche selon O*NET, un système de classification américain qui associe des tâches à des professions. Nous avons mis en correspondance ces données avec des professions et des pays afin de comparer l'exposition prédite avec les tendances d'adoption réelles.

Conclusion principale : les indices d'exposition se révèlent être des prédicteurs remarquablement précis de l'adoption réelle de l'IA. Les professions dont l'exposition prédite est faible affichent généralement une utilisation faible, tandis que celles dont l'exposition est élevée démontrent une utilisation élevée. Très peu de professions appartiennent aux catégories discordantes — exposition élevée avec faible utilisation, ou vice-versa.

En approfondissant l'analyse, nous constatons que les professionnels des technologies de l'information et de la communication (TIC) arrivent en tête tant en termes d'exposition à l'IA que d'utilisation. Cela est intuitif, car les professionnels de l'informatique disposent généralement d'un meilleur accès aux infrastructures technologiques, et bénéficient immédiatement d'avantages de productivité grâce aux outils de l'IA.

Plus surprenant est le fossé parmi les managers. Les postes de dirigeant affichent une forte exposition à l'IA mais une utilisation relativement faible. Plusieurs facteurs peuvent être en jeu : des soucis en matière de confidentialité autour des décisions commerciales sensibles, des contraintes de temps limitant l'expérimentation, ou des cultures organisationnelles dans laquelle la délégation de tâches à l'IA n'est pas encore normalisée. Comprendre pourquoi les managers — qui contrôlent souvent les décisions d'adoption de l'IA — ne sont pas encore eux-mêmes des utilisateurs intensifs pourrait s'avérer crucial pour prédire les tendances de diffusion de l'IA au sein des organisations.

Un fossé mondial saisissant

Des données supplémentaires provenant de l'Anthropic Index d’Utilisation de l’IA mesurent l'intensité d'utilisation de Claude par pays relativement à la taille de la population en âge de travailler. Une valeur supérieure à un signifie qu'un pays utilise l'IA davantage que prévu par rapport à sa population en âge de travailler. Une valeur inférieure à un suggère que l'IA est sous-utilisée par rapport aux attentes compte tenu de la taille de la population. Seuls les pays à revenus élevés (PRE) affichent des valeurs supérieures à un, avec une moyenne de 2,02, tandis que tous les autres groupes de pays présentent des valeurs inférieures à un. En moyenne, les PRE signalent des taux d'utilisation d’environ quatre fois supérieurs à ceux des pays à revenus intermédiaires (PRI), et seuls les PRE dépassent le référentiel mondial par habitant.

La composition de l'utilisation diffère également de façon marquée. Les données d'Anthropic classifient l'utilisation de Claude par profession associée. Dans les PRE, l'utilisation de Claude est répartie entre les professions. Dans les PRI, elle est fortement concentrée : les travailleurs des TIC représentent 48 % de l'utilisation et les enseignants 24 %. Ensemble, ces deux professions représentent près des trois quarts de toute l'utilisation de l'IA dans les PRI, contre plus de la moitié dans les PRE. Cette concentration reflète probablement une combinaison de demande plus élevée et d'accès plus important parmi ces travailleurs par rapport aux autres dans les PRI. Cette dernière constatation correspond aux données montrant que plus de la moitié des enseignants dans de nombreux PRI déclarent déjà utiliser l'IA. Nous excluons les pays à faibles revenus de cette analyse en raison d'observations insuffisanes

Trois enseignements clés pour les décideurs politiques

Nous tirons trois conclusions de cette brève analyse :

• Premièrement, les indices d'exposition fonctionnent. Les indices d'exposition professionnelle à l'IA, tels que la mesure AIOE (AI Occupational Exposure), sont corrélés avec l'utilisation de l'IA. Cela signifie que les décideurs politiques peuvent utiliser ces indices pour évaluer quels travailleurs et industries subiront les plus forts impacts sur l’emploi.
• Deuxièmement, l'adoption suit un schéma prévisible. Les outils d'IA générative sont d'abord adoptés par les professionnels des TIC, qui maîtrisent la technologie, puis se diffusent progressivement à d'autres professions. Alors que le processus de diffusion est bien avancé dans les pays à revenus élevés et commence dans les pays à revenus intermédiaires, celui-ci a à peine commencé dans les contextes à faibles revenus.
• Troisièmement, le fossé d'adoption exige une action délibérée. La concentration de l'utilisation de l'IA dans les pays à revenus élevés signale le risque d'une nouvelle forme d'exclusion technologique. Sans interventions délibérées — investissements dans les infrastructures numériques, le développement des compétences et des environnements politiques favorables — les pays à revenus faibles et intermédiaires risquent de se retrouver encore plus marginalisés dans une économie mondiale pilotée par l'IA.

Ces résultats ont des implications profondes pour la mission du Groupe de la Banque mondiale et son programme pour l'emploi. Avec plus d'un milliard de jeunes dans les pays en développement qui entreront en âge de travailler au cours de la prochaine décennie, comprendre comment l'IA remodèle les marchés du travail n'est pas un exercice académique, mais une priorité de développement. L’écart d'utilisation saisissant que révèle cette analyse — avec une adoption de l'IA quatre fois plus faible dans les pays à revenus intermédiaires que dans les pays à revenus élevés, et à peine commencée dans les pays à faibles revenus — fait émerger une nouvelle forme d'exclusion technologique qui pourrait accentuer le décalage entre nations riches et pauvres précisément au moment où les enjeux démographiques sont les plus élevés. Si les gains de productivité induits par l'IA restent concentrés dans les économies riches, les pays en développement pourraient perdre leur avantage comparatif dans les industries à forte intensité de main-d'œuvre face à l'automatisation et à la relocalisation, compromettant ainsi les stratégies de croissance tirées par les exportations qui ont historiquement sorti des millions de personnes de la pauvreté.