-1.jpg?w=1024)
Les agents IA d’Anthropic enregistrent bien plus d’heures que les employés qui les dirigent. Mais la dernière étude de l’entreprise sur le monde du travail soulève une question plus complexe : que signifie toute cette activité de l’IA pour les emplois humains ?
L’étude de l’entreprise, publiée le 16 oct., révèle que les employés juniors représentaient 9 % des nouvelles recrues techniques, contre 27 % début 2025, alors même que le nombre total de recrutements techniques augmentait.
Environ un responsable du machine learning sur trois et un responsable de l’ingénierie logicielle sur cinq ont déclaré avoir moins recruté à cause de l’IA, même si l’étude n’a pas pu établir que l’automatisation était à l’origine de cette évolution globale. Pour les employeurs qui adoptent des agents, ces résultats soulèvent des questions sur la productivité réelle et la formation des futurs évaluateurs.
Les employés juniors représentent une part plus réduite des recrutements techniques
Anthropic a analysé les dossiers des employés, les journaux d’activité de l’IA, des enquêtes et 17 entretiens. La part des employés juniors dans les postes techniques existants est passée de 21 % à 14 %. Le rapport ne fournit pas le nombre absolu de recrutements juniors.
The Decoder a rapporté que les offres d’emploi techniques juniors avaient commencé à chuter fortement en décembre 2025. Si les agents prennent en charge le codage et la correction des bugs, les employeurs devront peut-être trouver de nouvelles façons de proposer une formation pratique.
Comme l’a expliqué MLQ, le ratio de six pour un compare l’inférence des agents et leur utilisation d’outils aux heures de travail humaines estimées sur la base d’une semaine de 40 heures. Il ne mesure pas le nombre de travailleurs remplacés.
Une production accrue de l’IA nécessite toujours des évaluateurs humains
Anthropic a fait état d’environ cinq fois plus de validations de code par ingénieur sur six mois, tout en avertissant que le volume produit ne suffit pas à établir la valeur pour l’entreprise. eWeek a également couvert du code écrit par l’IA chez Anthropic et OpenAI.
Dealroom a mis en évidence un goulet d’étranglement : les sessions interactives de Claude ont passé environ 80 % du temps écoulé à attendre une intervention humaine. Le « méta-travail » de gestion des agents est passé de 10 % à 22 % des sessions. Un ingénieur a expliqué qu’il se retrouvait face à « une armée de Claudes, qui me demandent tous mon attention ».
Ces résultats suggèrent que les agents IA peuvent accroître la quantité de travail que les employés sont capables d’initier, mais qu’ils peuvent aussi créer de nouvelles exigences en matière de supervision, de vérification et de prise de décision. Une activité automatisée plus importante ne supprime pas le besoin d’expertise humaine.
Ce qu’a constaté eWeek : six fois plus d’heures d’agents ne signifie pas six fois plus de productivité
Les conclusions d’Anthropic révèlent un écart entre la quantité de travail que semblent effectuer les agents IA et la valeur mesurable qu’ils génèrent.
Le chiffre de six pour un concernant les heures d’agents reflète la durée d’activité des systèmes d’IA comparée aux heures de travail humaines estimées. Il ne signifie pas que les agents ont réalisé six fois plus de travail utile ou remplacé six employés.
Métrique des agents | Ce que cela montre | Ce que cela ne permet pas de prouver |
|---|---|---|
| Heures d’agents : 6:1 | Temps d’exécution élevé des agents | Productivité multipliée par six |
| Recrutements juniors : de 27 % à 9 % | Part des juniors en baisse | Moins de recrutements en valeur absolue |
| Validations de code par ingénieur : environ 5 fois plus | Production de code accrue | Logiciels ou retours sur investissement améliorés |
De même, une multiplication par cinq des validations de code démontre une hausse du volume produit, mais pas nécessairement une amélioration des logiciels, une diminution des erreurs ou une baisse des coûts de développement. Le recul de la part des recrutements juniors ne permet pas non plus d’établir que l’automatisation par l’IA a causé cette évolution.
La comparaison menée par l’étude entre 192 utilisateurs d’agents et 74 non-utilisateurs introduit une autre limite. L’adoption n’a pas été randomisée, et certains employés qui ont ensuite adopté des agents augmentaient déjà leur production.
Pour les entreprises, ces distinctions sont importantes. Les organisations qui évaluent les agents IA devraient mesurer le travail terminé, la qualité, l’effort de vérification et les coûts totaux, plutôt que de considérer les indicateurs d’activité comme une preuve directe de productivité ou d’économies sur les effectifs.
Ce que les entreprises devraient vérifier avant de réduire les postes juniors
Le lieu de travail fortement axé sur l’IA d’Anthropic ne constitue pas un modèle d’effectifs applicable à toutes les organisations. Avant d’étendre le déploiement d’agents ou de réduire les postes ouverts aux juniors, les responsables de la technologie et des ressources humaines devraient se concentrer sur trois priorités :
- Mesurer les gains de productivité réels. Comparer les tâches terminées, les taux d’erreur, les reprises, les heures de vérification et les coûts totaux à ceux de flux de travail similaires sans agents IA. Une activité accrue des agents ne signifie pas nécessairement une plus grande efficacité.
- Prévoir une supervision humaine. Affecter des employés à la vérification du travail produit par l’IA, établir des procédures d’approbation et surveiller si les corrections ou les retards de vérification ralentissent les projets.
- Préserver les possibilités de formation des juniors. Associer les employés juniors à des ingénieurs expérimentés pour le débogage supervisé, les revues de code et les enquêtes sur les incidents. Vérifier qu’ils acquièrent les compétences nécessaires pour prendre des décisions techniques de manière autonome.
Le défi à long terme consiste à préserver les effectifs nécessaires pour superviser des systèmes d’IA toujours plus performants. Les ingénieurs expérimentés doivent continuer à évaluer les résultats, à repérer les erreurs et à déterminer si le travail automatisé respecte les exigences de qualité et de sécurité.
Si les entreprises confient de plus en plus le codage courant et le débogage à l’IA, elles devraient créer d’autres occasions pour les employés juniors d’acquérir une expérience pratique. Les responsables pourraient les faire participer à la vérification du code généré par l’IA, à l’analyse des erreurs et à la prise en charge progressive de missions plus complexes.
Réduire les recrutements de débutants peut diminuer les coûts immédiats de personnel, mais les employeurs doivent aussi se demander qui supervisera les systèmes autonomes toujours plus nombreux à l’avenir. Sans investissements continus dans la formation, les entreprises pourraient finir par peiner à former suffisamment d’employés expérimentés pour détecter les erreurs coûteuses et préserver la qualité du travail généré par l’IA.
Vous voulez vous sentir plus à l’aise avec l’IA au travail ? Suivez notre cours gratuit de six minutes Comment parler à l’IA pour découvrir quelques méthodes simples permettant de rédiger de meilleurs prompts et d’obtenir des résultats plus utiles de l’IA. Les lecteurs d’eWeek bénéficient également de sept jours d’accès gratuit aux autres cours sur l’IA de The Neuron Academy. Découvrez toutes les leçons ici →