Type : Rapport de Recherche / Analyse Économique Sujet Principal : Introduction d'une nouvelle mesure ("Exposition Observée") pour évaluer l'impact réel de l'IA sur l'emploi, contrastant les capacités théoriques avec l'utilisation effective. Auteurs/Entité : Maxim Massenkoff et Peter McCrory (pour Anthropic). Date de publication : 5 mars 2026. Ce rapport vise à combler le fossé entre les prédictions alarmistes basées sur les capacités théoriques de l'IA et la réalité économique observée. Les auteurs cherchent à déterminer si l'IA générative a commencé à provoquer du chômage technologique trois ans après la démocratisation des LLM (postChatGPT, fin 2022). L'objectif est de fournir une méthodologie robuste, basée sur des données réelles d'utilisation (logs de Claude), pour détecter les signaux précoces de perturbation du marché du travail avant qu'ils ne soient visibles dans les statistiques macroéconomiques classiques. Nouvelle Métrique : L'Exposition Observée (Observed Exposure). Elle combine la faisabilité théorique (ce que l'IA peut faire) avec les données d'utilisation réelle d'Anthropic (ce que l'IA fait réellement dans un contexte professionnel). Sources de Données : 1. Base ONET (800 professions aux USA). 2. Anthropic Economic Index (Données d'utilisation réelle). 3. Estimations d'exposition théorique (Eloundou et al., 2023). 4. Current Population Survey (CPS) & BLS (Bureau of Labor Statistics). Période d'Analyse : Données couvrant la période préChatGPT (2022) jusqu'à début 2026. Capacité Théorique (Bleu) vs Utilisation Réelle (Rouge) : Le rapport distingue ce qu'un modèle peut faire (ex: "Autoriser des renouvellements d'ordonnances" théoriquement faisable) de ce qu'il fait effectivement (aucune trace de cette tâche dans les logs de Claude). Automatisation vs Augmentation : La méthodologie pondère plus lourdement les utilisations "automatisées" (remplacement complet de la tâche) que les utilisations "augmentées" (aide à la t
Loading analysis...