Anthropic ne prévoit pas la disparition de tous les emplois intellectuels en 2030. Son Econ Scenario Explorer modélise trois trajectoires hypothétiques pour l’économie des États-Unis : une transformation modeste, une transformation substantielle et une trajectoire extrême. La dernière associe une croissance beaucoup plus rapide à une pression accrue sur les salaires et les perspectives d’emploi des travailleurs du savoir.
Le modèle ne livre donc pas une date de bascule ni un verdict sur chaque métier. Il sert plutôt à examiner ce qui pourrait se produire si les capacités de l’IA, son adoption et son autonomie évoluaient à des rythmes différents.
Ce que mesure réellement le modèle d’Anthropic
L’Econ Scenario Explorer est un modèle économique consacré aux États-Unis et à l’horizon 2030. Il fait varier cinq éléments : les capacités de l’IA, son niveau d’adoption, son autonomie, les gains de productivité et le temps dont disposent les travailleurs pour changer d’activité.
Le raisonnement part d’une idée simple : un emploi est un assemblage de tâches. Certaines peuvent être assistées par l’IA, d’autres automatisées, d’autres encore rester inchangées ou être remplacées par de nouvelles tâches. Cette approche est plus précise que de classer un métier entier dans la catégorie « remplaçable » ou « protégé ».
Anthropic présente trois chemins possibles, pas une trajectoire privilégiée. Dans le scénario substantiel, l’IA peut effectuer la moitié du travail de connaissance, principalement de manière autonome, tout en restant incomplètement adoptée. Dans le scénario extrême, elle devient plus productive que les humains pour la plupart des tâches intellectuelles, les exécute presque toutes de façon autonome et crée très peu de nouvelles tâches de connaissance pour les personnes.
Trois trajectoires, trois effets économiques
Les trois scénarios ne diffèrent pas seulement par le degré de progrès technique. Ils décrivent aussi des vitesses d’adoption et des capacités différentes. Le scénario modeste rapproche l’effet de l’IA de celui d’Internet ; le scénario substantiel suppose une transformation beaucoup plus profonde ; le scénario extrême imagine une adoption rapide et une amélioration récursive des capacités de l’IA.
Ces sorties restent des résultats de modèle. Elles ne décrivent ni l’économie américaine observée ni une prévision d’Anthropic. Les montants de PIB sont exprimés aux prix de 2025, ce qui permet de comparer les trajectoires dans un même cadre, mais ne les transforme pas en résultats acquis.
Dans le scénario extrême, la croissance économique devient spectaculaire tandis que les travailleurs du savoir voient leurs salaires reculer de plus de 10 %. Le chômage dépasse alors les niveaux habituellement associés aux récessions. Le contraste est le cœur du modèle : une économie peut produire davantage tout en offrant une position moins favorable à une partie de ceux qui travaillent.
Une économie plus riche, des travailleurs du savoir moins bien payés
La « part du travail » désigne la portion de la production totale qui revient aux travailleurs, par opposition à la part captée par le capital — entreprises, logiciels, équipements, données et centres de calcul. Dans la trajectoire extrême, le modèle fait passer cette part d’environ 60 % à 45,2 %, tandis que le capital reçoit 54,8 %.
Autrement dit, le risque décrit par Anthropic ne se résume pas à une file de licenciements. Il concerne aussi le pouvoir de négociation et la répartition des gains de productivité. Une entreprise peut produire davantage avec des systèmes capables d’exécuter plus de tâches, sans que cette hausse bénéficie dans la même proportion aux personnes qui travaillent.
Cela ne signifie pas que tous les travailleurs du savoir perdraient leur emploi. Le scénario substantiel conserve de nombreuses tâches non adoptées par l’IA, tandis que le scénario extrême décrit une hypothèse de déplacement beaucoup plus large. Le modèle explore ces mécanismes ; il ne déclare pas qu’ils vont nécessairement se réaliser.
Exposition des tâches et remplacement des emplois
Une étude distincte d’Anthropic, consacrée au marché du travail et à l’usage de Claude, emploie une mesure appelée « exposition observée ». Elle rapproche les tâches qu’un grand modèle de langage pourrait théoriquement effectuer de l’usage professionnel effectivement observé.
Cette mesure ne correspond pas au pourcentage d’emplois supprimés. Elle indique plutôt la proportion de tâches couvertes par les capacités ou l’usage étudiés. La différence est essentielle : un métier peut comprendre des tâches automatisables tout en conservant des responsabilités humaines, des interactions physiques et des décisions que le modèle ne traite pas comme remplacées.
| Profession | Couverture observée dans l’étude | Ce que mesure le chiffre |
| Programmeurs informatiques | 75 % | Couverture de tâches, pas suppression d’emplois |
| Représentants du service client | 70 % | Couverture de tâches, pas suppression d’emplois |
| Opérateurs de saisie de données | 67 % | Couverture de tâches, pas suppression d’emplois |
L’étude distingue donc l’exposition théorique, l’usage observé et l’emploi réel. Elle ne conclut pas à une hausse systématique du chômage chez les travailleurs des métiers fortement exposés depuis la fin de 2022. Cette observation actuelle ne tranche pas la question des trajectoires hypothétiques à l’horizon 2030 : les deux analyses ne portent ni sur la même période ni sur le même type de preuve.
La limite liée aux robots physiques
Les emplois comportant une forte dimension physique apparaissent moins exposés dans ce cadre parce que l’Econ Scenario Explorer exclut les robots hyper-capables capables d’effectuer le travail matériel. Cette exclusion borne ce que le modèle peut dire ; elle ne constitue pas une garantie durable pour les métiers manuels.
Le même point vaut pour les métiers qui combinent gestes, présence sur le terrain et jugement humain. Leur moindre exposition dans ce modèle ne permet pas de conclure qu’ils resteraient à l’écart d’une automatisation future. Le scénario porte surtout sur les tâches numériques et cognitives.
Ce que l’on peut en retenir pour le travail
Non, Anthropic ne dit pas que tous les travailleurs du savoir seront au chômage en 2030. L’explorateur propose des hypothèses afin de montrer comment l’adoption, l’autonomie et la productivité de l’IA pourraient modifier simultanément la croissance et la distribution des revenus.
Non plus, les chiffres d’exposition ne sont pas des compteurs d’emplois remplacés. Ils aident à repérer les tâches qui pourraient être transformées, mais ils ne disent pas à eux seuls comment évolueront les métiers, les salaires ou les recrutements.
Pour lire ces scénarios sans tomber dans le catastrophisme — ni dans l’optimisme automatique — il faut donc retenir trois règles : distinguer une tâche d’un emploi, séparer un résultat modélisé d’une observation actuelle et ne pas confondre l’absence de robots dans le modèle avec une protection permanente. Le vrai enjeu n’est pas seulement la taille de l’économie future, mais la manière dont ses gains seront répartis entre le travail et le capital.
