Emploi, croissance et salaires : Anthropic anticipe l’influence profonde de l’IA sur l’économie d’ici 2030

The Anthropic Institute a publié ce mercredi 9 septembre 2026 trois scénarios chiffrés sur l’économie américaine en 2030. Le rapport examine les effets possibles de l’intelligence artificielle sur la croissance économique, l’emploi, les salaires et la répartition des revenus. Même dans l’hypothèse la plus prudente, le produit intérieur brut progresse davantage qu’en l’absence d’IA. Les trajectoires plus rapides font toutefois apparaître une forte dégradation de la situation des professions intellectuelles.

Cette modélisation repose sur une économie décomposée en tâches. Certaines restent humaines, d’autres sont assistées, automatisées ou créées par les systèmes d’IA. Anthropic combine ensuite plusieurs variables : capacités techniques, vitesse d’adoption dans les entreprises, productivité et faculté des organisations à réaffecter leurs salariés. Le scénario extrême projette une croissance annuelle de 15,4 %, mais aussi une chute de 21,5 % de l’emploi cognitif. Il décrit également un déplacement du revenu vers les détenteurs de capital. Ces projections ne constituent donc pas une prévision unique. Elles dessinent trois futurs conditionnels qui permettent d’identifier les secteurs exposés, les mécanismes économiques déterminants et les choix de politique publique susceptibles d’influencer l’économie 2030.

Économie 2030 : les trois scénarios d’Anthropic pour la croissance américaine

Le rapport Economic Scenarios for Transformative AI organise l’impact technologique autour de trois trajectoires : modeste, substantielle et extrême. Selon The Anthropic Institute, le scénario modeste produit en 2030 un PIB supérieur de 1,6 % à celui d’une économie sans apport supplémentaire de l’IA. La croissance annuelle atteint alors 2,4 %, contre une référence de 2 %. Le scénario substantiel porte ces valeurs à 8,3 % de PIB supplémentaire et 5,4 % de progression annuelle. Dans le cas extrême, l’écart de PIB atteint 32,4 % et le rythme annuel grimpe à 15,4 %.

Une trajectoire modeste comparable à la diffusion d’Internet

Dans la première simulation, l’intelligence artificielle reste principalement un outil d’assistance. Elle accélère la recherche documentaire, produit des brouillons, classe des données et automatise des opérations administratives. Les salariés conservent la responsabilité des décisions, du contrôle et de la relation avec les clients. L’entreprise gagne du temps, mais elle ne réorganise pas entièrement sa production autour de modèles autonomes.

Cette hypothèse rappelle la diffusion progressive d’Internet dans les organisations. Le réseau a réduit certains coûts de communication et favorisé de nouveaux services, sans supprimer immédiatement la majorité des fonctions existantes. Une banque peut, par exemple, utiliser l’IA pour préparer un dossier de crédit tout en maintenant une validation humaine. Un service marketing peut produire davantage de variantes publicitaires sans réduire mécaniquement son équipe.

Le gain macroéconomique demeure mesuré parce que l’adoption rencontre des contraintes. Les données doivent être structurées, les logiciels intégrés et les salariés formés. Les entreprises réglementées doivent aussi documenter leurs décisions. Le temps économisé sur une tâche ne devient une hausse de production que si l’organisation sait réutiliser les heures libérées.

Le scénario substantiel automatise la moitié du travail intellectuel

La trajectoire intermédiaire suppose que les systèmes deviennent capables d’accomplir la moitié du travail intellectuel avant 2030, souvent avec une autonomie élevée. Une telle capacité dépasse la simple génération de texte. Elle inclut l’analyse de dossiers, la conception de logiciels, la planification, le traitement financier et une partie de la recherche appliquée.

Les gains se propagent alors entre secteurs. Une entreprise réduit le délai de développement d’un produit, améliore son service client et teste plus rapidement ses campagnes. Les fournisseurs obtiennent à leur tour de meilleurs outils. Cette accumulation explique une croissance de 5,4 %, soit plus du double du taux de référence utilisé dans la simulation.

Le résultat dépend pourtant du rythme d’investissement. L’achat de capacités de calcul, la sécurisation des bases internes et la refonte des processus mobilisent du capital. Une société qui ajoute un assistant conversationnel à une organisation inchangée obtient généralement moins de gains qu’une structure redessinant ses circuits de validation. Le développement du commerce et de la relation client augmentés par la donnée illustre déjà cette différence entre ajout logiciel et transformation opérationnelle.

Une hypothèse extrême sans précédent économique récent

Le troisième scénario retient une IA plus productive que les humains sur la grande majorité des tâches cognitives. Le système pourrait aussi contribuer à l’amélioration de ses propres outils. Son adoption rapide provoquerait une multiplication des capacités de recherche, de conception et d’exécution. Avec 15,4 % de croissance annuelle, l’économie doublerait approximativement de taille en quatre ans et demi.

Un tel rythme exige davantage qu’un modèle performant. Les centres de données, l’électricité, les semi-conducteurs et les réseaux doivent suivre la demande. Les entreprises doivent accepter les résultats produits, tandis que les administrations adaptent leurs contrôles. Les limites physiques deviennent alors aussi importantes que les performances logicielles.

La modélisation ne fixe pas la probabilité de chaque trajectoire. Elle mesure leurs conséquences en faisant varier des hypothèses observables. Cette approche fournit aux entreprises un cadre pour tester leurs décisions d’investissement, tout en montrant que le même moteur de productivité peut produire des résultats sociaux très différents.

Emploi et intelligence artificielle : les métiers cognitifs en première ligne

La hausse du PIB ne garantit pas une progression uniforme de l’emploi. Le modèle d’Anthropic sépare les professions cognitives des autres activités afin d’évaluer leur exposition. Le premier groupe comprend notamment des tâches de rédaction, d’analyse, de programmation, de gestion, de conseil ou de traitement administratif. Ces opérations utilisent des informations numériques que les modèles peuvent lire, transformer et produire à grande échelle.

Cette classification ne signifie pas que chaque poste disparaît entièrement. Un métier associe plusieurs missions dont le degré d’automatisation varie. Un juriste recherche des précédents, rédige des documents, conseille un client et engage sa responsabilité. L’IA peut accélérer les deux premières opérations, mais les autres dépendent d’un cadre professionnel, réglementaire et relationnel.

Un recul mesuré dans la trajectoire substantielle

Dans le scénario substantiel, le nombre de personnes occupant un emploi cognitif baisse de 3,9 % par rapport au milieu de 2026. Le taux de chômage de ce groupe passe de 2,9 % à 4,5 %. Cette évolution reste absorbable à l’échelle macroéconomique, mais elle peut provoquer des ajustements difficiles dans les entreprises concentrant des fonctions de bureau.

Les premiers effets prendraient plusieurs formes. Les recrutements juniors ralentiraient, certains départs ne seraient pas remplacés et les équipes utiliseraient des agents logiciels pour augmenter leur volume de production. Une société de services pourrait traiter davantage de dossiers avec un effectif stable. Un éditeur de logiciels pourrait réduire le temps consacré aux tests et à la documentation.

Les postes d’entrée constituent un point sensible. Les tâches simples servent traditionnellement à former les débutants avant leur accès à des responsabilités complexes. Si l’IA réalise ces missions, les employeurs devront créer d’autres parcours d’apprentissage. Sans cette adaptation, le marché du travail risque de manquer ensuite de profils expérimentés, malgré une baisse immédiate des besoins juniors.

Les travailleurs indépendants rencontrent une dynamique similaire. La production standardisée subit une pression sur les prix, tandis que les prestations associant expertise, cadrage et responsabilité conservent davantage de valeur. L’analyse de l’impact de l’IA sur les tarifs des freelances éclaire cette segmentation entre exécution automatisable et accompagnement spécialisé.

Une rupture professionnelle dans le scénario extrême

L’hypothèse la plus rapide projette une baisse de 21,5 % de l’emploi cognitif. Son taux de chômage atteindrait 17,9 %. Le choc dépasserait alors une simple rotation sectorielle. De nombreux salariés devraient changer de fonction, acquérir des compétences différentes ou rejoindre des domaines où le travail humain conserve un avantage économique.

Anthropic replace ce chiffre dans une perspective historique. Le chômage annuel américain a culminé juste sous 10 % après la crise financière mondiale, puis autour de 8 % pendant la récession liée à la pandémie. La comparaison reste imparfaite, car ces épisodes concernaient l’ensemble de la population active. Le taux de 17,9 % s’applique ici au groupe cognitif défini par le modèle.

Les métiers physiques bénéficieraient d’une rareté relative. Maintenance, construction, soins directs, logistique locale et interventions techniques restent limités par la présence matérielle, la dextérité et les conditions du terrain. Les progrès de la robotique pourraient modifier cette situation, mais le rapport isole principalement l’automatisation intellectuelle.

Le travail se transforme au niveau des tâches

Une lecture par intitulé de poste masquerait des écarts importants. Deux salariés partageant le même titre peuvent effectuer des activités distinctes. Le premier consacre son temps à produire des documents répétitifs, tandis que le second négocie, coordonne et vérifie des situations atypiques. Leur exposition à l’automatisation diffère donc fortement.

• Les tâches standardisées deviennent plus faciles à automatiser lorsque les entrées et les résultats attendus sont clairement définis.
• Les activités réglementées conservent des contrôles humains, même lorsque l’analyse initiale est automatisée.
• Les fonctions relationnelles dépendent de la confiance, de la négociation et de la compréhension du contexte.
• Les opérations physiques variables résistent davantage aux logiciels, faute d’environnement stable et entièrement numérisé.
• Les missions de supervision progressent lorsque les organisations doivent vérifier plusieurs agents automatisés.

La mobilité professionnelle devient donc une variable centrale. Elle dépend du financement de la formation, de sa durée et de la proximité entre compétences anciennes et nouvelles. Un analyste peut évoluer vers l’audit de systèmes automatisés plus facilement que vers un métier manuel exigeant une certification longue. Le niveau final d’emploi reposera autant sur cette capacité de transition que sur la performance technique des modèles.

Les organisations disposent de plusieurs leviers : cartographier les tâches, mesurer le temps réellement économisé et préparer des passerelles internes. Un suivi fondé uniquement sur le nombre de postes manquerait les transformations progressives du contenu du travail. L’unité pertinente pour anticiper l’emploi devient la tâche, puis sa recomposition dans chaque métier.

Salaires en 2030 : l’IA accentuerait l’écart entre travail cognitif et métiers manuels

La rémunération dépend de la productivité d’un salarié, mais aussi de la rareté de ses compétences et du nombre d’alternatives disponibles pour l’employeur. L’intelligence artificielle modifie simultanément ces trois facteurs. Elle peut augmenter la production d’un professionnel, faciliter l’entrée de concurrents et remplacer une partie de ses tâches. Le résultat salarial varie selon la vitesse d’adoption et la capacité du marché à créer de nouveaux besoins.

Dans le scénario modeste, les ajustements restent contenus. Les outils servent surtout de complément et améliorent le rendement des équipes. Les gains peuvent être partagés entre entreprises, salariés et consommateurs. Une réduction des coûts entraîne parfois des prix plus faibles, une hausse des volumes ou une meilleure marge. La négociation collective et la concurrence déterminent la répartition finale.

Stagnation des rémunérations cognitives dans le scénario substantiel

La trajectoire intermédiaire place les salaires cognitifs légèrement sous leur niveau théorique sans IA. Leur stagnation résulte d’une offre numérique abondante. Lorsqu’un système peut préparer une analyse ou rédiger un document en quelques secondes, la valeur marchande de la production standard diminue. Les travailleurs conservent leur poste, mais leur pouvoir de négociation s’affaiblit.

Les autres professions enregistrent près de 6 % de progression salariale supplémentaire. La croissance augmente la demande de services physiques, alors que ces activités restent moins automatisées. La construction de centres de données mobilise, par exemple, des électriciens, des techniciens de refroidissement et des équipes de maintenance. Les revenus générés par les logiciels se diffusent donc vers certaines infrastructures matérielles.

Ce mécanisme peut créer des écarts au sein d’une même entreprise. Les développeurs chargés de tâches standardisées subissent une concurrence automatisée, tandis que les spécialistes de sécurité ou d’infrastructure deviennent plus demandés. Dans le marketing, la génération de contenus courants se banalise. La définition d’une stratégie, l’analyse causale et la gestion d’une marque restent davantage différenciées.

Une baisse de 11,5 % pour les métiers intellectuels dans l’hypothèse extrême

Le scénario extrême projette une diminution de 11,5 % des salaires cognitifs. Cette baisse accompagne le recul de l’emploi et l’augmentation du chômage du groupe. Les travailleurs acceptent des rémunérations inférieures lorsque de nombreuses personnes recherchent les mêmes fonctions et que les employeurs disposent de solutions automatisées.

Les professions manuelles suivent une trajectoire opposée, avec une hausse de 33,6 %. Leur rareté relative s’accroît dans une économie produisant beaucoup plus de biens et de services numériques. L’installation d’équipements, les soins en présence, les réparations et les interventions locales ne peuvent pas être multipliés instantanément. Les employeurs augmentent alors les rémunérations pour attirer des travailleurs.

Une hausse moyenne ne décrit pas tous les ménages. La localisation, la qualification et la mobilité jouent un rôle majeur. Un technicien proche d’un bassin de centres de données peut bénéficier d’une forte demande, tandis qu’un salarié administratif d’une région peu diversifiée rencontre moins d’options. Les politiques de logement et de transport influencent donc la capacité des individus à rejoindre les zones créatrices d’emplois.

La valeur se déplace vers la supervision et la responsabilité

Les rémunérations cognitives ne baisseraient pas uniformément. Les personnes capables de cadrer un problème, contrôler un résultat et assumer une responsabilité légale conserveraient un avantage. La compétence recherchée ne se limite plus à produire un livrable. Elle inclut la sélection des données, la détection des erreurs et la justification des décisions.

Dans les médias, une IA peut générer un texte ou résumer un dossier. La valeur humaine se concentre sur la vérification, l’accès aux sources et le choix éditorial. Cette évolution explique l’intérêt porté aux stratégies d’IA dans les médias, où la réduction des coûts doit rester compatible avec la qualité de l’information.

La relation entre productivité et salaire ne fonctionne pas automatiquement. Une personne équipée d’un outil performant produit davantage, mais l’entreprise peut capter l’essentiel du gain si la compétence devient facile à remplacer. À l’inverse, un professionnel combinant connaissance sectorielle, maîtrise technique et responsabilité conserve un pouvoir de négociation supérieur.

Les systèmes de rémunération pourraient intégrer de nouvelles mesures. Le volume brut perd de sa pertinence lorsque des agents produisent des centaines de variantes. La qualité, le taux d’erreur, la satisfaction client et la contribution aux décisions prennent plus de poids. Dans certaines activités numériques, la confiance devient un indicateur de performance lorsque l’automatisation rend la production abondante.

La formation doit suivre cette hiérarchie de valeur. Apprendre à utiliser un outil ne suffit pas si son interface devient accessible à tous. Les compétences sectorielles, statistiques, réglementaires et relationnelles forment une protection plus durable. Le modèle d’Anthropic associe donc l’évolution des salaires à la rareté des tâches humaines restantes, et pas uniquement au niveau initial de diplôme.

Productivité et partage de la richesse : le capital gagnerait du poids

Le niveau du PIB ne suffit pas à mesurer le bénéfice social d’une technologie. Il faut aussi observer qui reçoit les revenus supplémentaires. Le modèle part d’une répartition où environ 60 cents de chaque dollar produit reviennent au travail et 40 cents au capital. Les trois scénarios réduisent la part attribuée aux travailleurs, avec une intensité directement liée à l’automatisation.

Dans la trajectoire substantielle, la part du travail descend à 56,1 %. Elle tombe à 45,2 % dans le scénario extrême. Le capital reçoit alors 54,8 % du revenu produit. Cette catégorie comprend les détenteurs d’entreprises, de logiciels, de centres de données, de machines et d’autres actifs mobilisés par la production.

Pourquoi l’automatisation augmente le rendement du capital

Un système d’IA peut servir de nombreux utilisateurs après son développement. Le coût initial de l’entraînement, des puces et de l’infrastructure reste élevé, mais chaque utilisation supplémentaire bénéficie d’économies d’échelle. Les propriétaires de ces actifs peuvent donc capter une part croissante des revenus lorsque la demande s’étend.

Le phénomène s’accentue si quelques plateformes concentrent les modèles les plus performants. Les entreprises clientes paient l’accès au calcul et aux logiciels, puis réduisent certains coûts salariaux. Une fraction du revenu quitte alors les fiches de paie pour rejoindre les licences, les abonnements et les dépenses d’infrastructure.

La concurrence peut limiter ces marges. Des modèles moins coûteux, des solutions ouvertes ou des fournisseurs multiples réduisent le pouvoir de fixation des prix. Les contraintes matérielles jouent néanmoins en faveur des acteurs disposant de capitaux importants. Construire un centre de données, sécuriser son alimentation électrique et acheter des accélérateurs demande des investissements considérables.

Une croissance élevée avec un revenu du travail presque stable

Dans l’hypothèse extrême, presque tous les gains supplémentaires reviennent aux propriétaires d’actifs. Le revenu global du travail reste proche de son point de départ, malgré une économie beaucoup plus grande. Cette situation produit un paradoxe comptable concret : les biens et services abondent, tandis qu’une partie de la population ne reçoit pas assez de revenus professionnels pour les acheter.

La demande peut être soutenue par plusieurs mécanismes. Les détenteurs de capital consomment et investissent, l’État redistribue une partie des recettes, ou les ménages détiennent eux-mêmes des actifs. Sans ces canaux, une concentration excessive peut réduire la consommation et freiner l’utilisation des capacités productives.

La propriété du capital devient donc déterminante. Les fonds de pension, l’épargne salariale et l’actionnariat collectif peuvent répartir une partie des rendements. Leur portée reste toutefois inégale, car les ménages les moins rémunérés possèdent généralement moins d’actifs. Une hausse boursière ne compense pas automatiquement la perte d’un salaire régulier.

Fiscalité, concurrence et diffusion de l’innovation

Les pouvoirs publics disposent de leviers différents selon la trajectoire réalisée. Une progression modeste appelle surtout des politiques de formation et de concurrence. Un déplacement massif du revenu vers le capital nécessite des outils plus larges : fiscalité, assurance chômage, soutien à la mobilité et financement des services publics.

La taxation doit tenir compte de la mobilité des actifs numériques. Une charge concentrée sur un seul territoire peut déplacer certains investissements. À l’inverse, une fiscalité trop faible limite les ressources nécessaires à l’accompagnement des travailleurs. La coordination entre administrations et la définition comptable des revenus issus de l’IA deviennent des sujets opérationnels.

La politique de concurrence influence également la diffusion de la productivité. Si les petites entreprises accèdent à des modèles performants à un coût raisonnable, elles peuvent développer des services et contester les acteurs établis. Une concentration des infrastructures réserve les gains aux groupes capables de financer leur propre écosystème technique.

Les entreprises peuvent partager les bénéfices par des accords d’intéressement, des réductions du temps de travail ou des augmentations ciblées. Ces dispositifs dépendent du rapport de force et des règles internes. Ils ne découlent pas mécaniquement de l’amélioration des performances.

Le modèle macroéconomique rend visible une variable souvent absente des démonstrations technologiques. Une application peut être rapide, précise et rentable sans garantir une distribution équilibrée. L’impact technologique dépend alors de la structure de propriété, du niveau de concurrence et des institutions qui organisent le partage des revenus.

Cette répartition aura aussi un effet sur l’adoption. Des consommateurs bénéficiant peu de la croissance peuvent limiter leurs dépenses, tandis que les entreprises continuent d’augmenter leurs capacités. Les scénarios les plus rapides exigent donc des ajustements économiques dépassant largement l’installation de nouveaux logiciels.

Comprendre les limites du modèle Anthropic et préparer le marché du travail

Les trois trajectoires sont des projections conditionnelles. Elles ne décrivent pas trois dates certaines ni une séquence obligatoire. Le modèle simplifie l’économie afin d’isoler quelques mécanismes : automatisation des tâches, création de nouvelles activités, adoption par les entreprises et variation de la productivité. Des facteurs politiques, énergétiques, géopolitiques ou réglementaires peuvent modifier les résultats.

L’étude combine cette modélisation avec un sondage mené par Morning Consult auprès de 10 980 adultes américains du 11 au 23 août 2026. Cette enquête éclaire les perceptions de la population, tandis que les chiffres de croissance et d’emploi proviennent d’hypothèses économiques. Les opinions recueillies ne servent donc pas de preuve directe sur la performance future des systèmes.

Des capacités techniques différentes de l’adoption réelle

Une IA capable d’accomplir une tâche ne l’exécute pas nécessairement dans chaque entreprise. Le déploiement exige des données accessibles, une architecture sécurisée et une procédure de contrôle. Les coûts de migration peuvent retarder l’adoption, surtout dans les petites organisations ou les secteurs soumis à des obligations strictes.

La confiance constitue aussi un frein mesurable. Une erreur dans une campagne publicitaire entraîne un coût limité, alors qu’une mauvaise décision médicale ou financière peut provoquer un dommage important. Les entreprises ajustent donc leur degré d’autonomie selon le risque. Elles maintiennent un humain dans la boucle lorsque la responsabilité juridique reste difficile à attribuer.

Le scénario extrême suppose une diffusion particulièrement rapide. Cette hypothèse implique que les systèmes gagnent en fiabilité, que le calcul reste disponible et que les utilisateurs acceptent leurs résultats. Une seule contrainte persistante peut rapprocher l’économie de la trajectoire substantielle ou modeste.

Mesurer les tâches avant de compter les suppressions de postes

Les entreprises peuvent préparer plusieurs scénarios sans choisir une prévision définitive. La première étape consiste à inventorier les tâches, leur fréquence et leur valeur. Les responsables identifient ensuite celles qui peuvent être assistées, automatisées ou maintenues sous contrôle humain.

1. Cartographier les processus réels, y compris les validations informelles et les exceptions rarement documentées.
2. Tester l’IA sur un périmètre limité avec des indicateurs de coût, de délai, de qualité et d’erreur.
3. Mesurer le temps effectivement libéré au lieu de reprendre les performances annoncées par un fournisseur.
4. Définir des parcours de mobilité avant la réduction des besoins sur les tâches standardisées.
5. Contrôler la répartition des gains entre investissement, prix, rémunérations et réduction du temps de travail.
6. Réévaluer les risques régulièrement lorsque les modèles ou les règles sectorielles évoluent.

Cette méthode évite de confondre démonstration technique et productivité réelle. Un outil peut rédiger un document en quelques secondes, puis nécessiter une longue vérification. Le gain net correspond au temps total économisé, corrigé des erreurs et des coûts d’intégration.

La formation doit viser les transitions plausibles

Un programme général consacré aux usages de l’IA apporte une culture commune, mais il ne garantit pas un reclassement. La formation doit relier les compétences existantes à des fonctions identifiables. Un comptable peut évoluer vers le contrôle des systèmes financiers, tandis qu’un rédacteur technique peut se spécialiser dans la vérification documentaire.

La durée compte autant que le contenu. Une transition courte peut être financée par l’entreprise et réalisée pendant le temps de travail. Une reconversion vers un métier réglementé demande parfois plusieurs années. Les dispositifs d’assurance et de financement doivent tenir compte de cette différence.

Le risque concerne également l’apprentissage initial. Si les agents réalisent les tâches juniors, les organisations doivent préserver des situations permettant aux débutants de progresser. Le tutorat, la simulation et la rotation entre services peuvent remplacer une partie de l’expérience autrefois acquise par répétition.

Des indicateurs à suivre jusqu’en 2030

Plusieurs mesures permettent de situer l’économie entre les trois trajectoires. Le taux d’adoption des agents autonomes renseigne sur la diffusion. Les offres d’emploi juniors montrent si les entreprises remplacent les premiers niveaux de carrière. Les écarts de rémunération entre métiers cognitifs et physiques signalent les changements de rareté.

La part du travail dans le revenu national offre un indicateur plus large. Une baisse rapide confirmerait le déplacement vers les actifs productifs. La croissance du PIB doit être examinée avec les heures travaillées, le chômage par profession et le revenu médian. Un seul chiffre agrégé peut masquer des transitions importantes.

Anthropic avait publié en mars une analyse des professions exposées à partir des usages observés de Claude. Ce travail ne détectait pas encore de hausse du chômage imputable aux métiers concernés. L’absence d’effet visible à un stade précoce reste compatible avec les scénarios, puisque ceux-ci supposent une montée en puissance progressive jusqu’en 2030.

Les décideurs disposent finalement d’un tableau de bord plus utile qu’une prévision isolée. Les capacités des modèles, les investissements, les recrutements et la distribution des revenus indiquent la trajectoire suivie. La préparation économique repose sur des seuils observables permettant d’ajuster la formation, la protection sociale et les règles de concurrence.