Les ingénieurs d'Anthropic utilisent l'IA pour 59 % de leur travail — ce que révèlent leurs données internes

Que se passe-t-il quand une entreprise d'IA tourne le microscope sur elle-même ? Anthropic vient de publier la réponse, et les chiffres sont frappants — non pas parce qu'ils sont impossiblement élevés, mais parce qu'ils révèlent exactement à quoi ressemble l'intégration de l'IA en pratique.

En août 2025, Anthropic a interrogé 132 de ses propres ingénieurs et chercheurs, mené 53 entretiens approfondis, et analysé plus de 200 000 transcriptions internes de Claude Code couvrant février à août 2025. [Fait] Le résultat est l'un des regards les plus détaillés que nous ayons sur la façon dont les travailleurs du savoir utilisent l'IA au quotidien — pas dans une enquête hypothétique, mais dans leurs flux de travail réels.

De 28 % à 59 % : la courbe d'utilisation s'accélère

Il y a un an, les employés d'Anthropic déclaraient utiliser Claude dans environ 28 % de leur travail. [Fait] En août 2025, ce chiffre avait bondi à 59 % — plus que doublé en douze mois. [Fait]

Les gains de productivité ont suivi une trajectoire similaire. L'amélioration de productivité auto-déclarée est passée de 20 % à 50 % sur la même période. [Fait] Et 14 % des répondants rapportaient des gains supérieurs à 100 % — doublant essentiellement leur production avec l'assistance de l'IA. [Fait]

Ce ne sont pas des projections hypothétiques. Elles viennent de personnes qui construisent des outils d'IA et les utilisent chaque jour. Si quelqu'un doit être bon pour tirer de la valeur de l'IA, ce sont bien les ingénieurs qui la créent. Ce contexte compte, et nous y reviendrons.

Ce que les ingénieurs font réellement avec l'IA

Le cas d'usage quotidien le plus courant pourrait vous surprendre : le débogage. [Fait] Cinquante-cinq pour cent des répondants utilisent Claude chaque jour pour traquer des bugs. La compréhension du code vient en deuxième position à 42 %, suivie de l'implémentation de fonctionnalités à 37 %. [Fait]

Les tâches de conception et de planification — la réflexion de haut niveau qui nécessite un jugement architectural — restent le domaine avec la plus faible adoption de l'IA. [Fait] Les ingénieurs choisissent de déléguer les tâches dont le résultat est facilement vérifiable : si Claude écrit du code buggé, le test échoue et on le sait immédiatement. Si Claude prend une mauvaise décision de conception, on pourrait ne pas en découvrir les conséquences avant des mois.

Ce schéma de délégation sélective est cohérent avec ce que nous avons observé dans notre analyse de l'Economic Index d'Anthropic, qui a constaté que l'utilisation de l'IA se concentre sur l'"augmentation" plutôt que sur l'automatisation complète. Les travailleurs restent dans la boucle, choisissant quelles tâches déléguer en fonction du risque et de la vérifiabilité.

Les 27 % qui changent tout

C'est peut-être la découverte la plus lourde de conséquences : 27 % du travail assisté par IA n'aurait pas été fait du tout sans IA. [Fait] Ce ne sont pas des tâches qui ont été accélérées — ce sont des tâches qui n'auraient tout simplement pas existé. Les ingénieurs ont utilisé Claude pour explorer des bases de code inconnues, écrire des tests qu'ils auraient ignorés, corriger des irritants mineurs (les corrections de "petits désagréments" représentaient 8,6 % de l'utilisation de Claude Code [Fait]), et prototyper des idées qui semblaient trop chronophages à réaliser manuellement.

Cela remet en question le récit simpliste selon lequel l'IA "remplace" ou "augmente" le travail humain. Une part substantielle de l'impact de l'IA est de créer un travail entièrement nouveau — élargissant ce que les individus considèrent comme faisable dans leurs contraintes de temps.

Pour les développeurs logiciels et les programmeurs informatiques, c'est un signal significatif. L'IA ne fait pas seulement accélérer les tâches existantes ; elle élargit le champ de ce qu'une seule personne peut accomplir. Un ingénieur backend peut maintenant construire une interface frontend. Un chercheur peut créer des visualisations de données sans apprendre un nouveau framework. La frontière entre les spécialisations s'estompe.

Autonomie croissante, inquiétudes croissantes

L'autonomie de Claude Code s'est mesurable élargie. [Fait] Le nombre d'appels d'outils consécutifs — les actions que Claude prend sans intervention humaine — a doublé d'environ 10 à 20 en six mois. Pendant ce temps, les interventions humaines par conversation ont baissé de 33 %, de 6,2 à 4,1. [Fait]

Les ingénieurs reculent et laissent l'IA gérer des séquences de travail plus longues de manière autonome. L'implémentation de fonctionnalités comme cas d'usage est passée de 14 % à 37 %, et même la conception et planification de 1 % à 10 %. [Fait]

Mais les entretiens révèlent un courant d'inquiétude. Un ingénieur a noté que "quand produire est si facile et rapide, il devient de plus en plus difficile de prendre le temps d'apprendre vraiment quelque chose". [Fait] Un autre a pointé un paradoxe : utiliser Claude efficacement nécessite exactement le type d'expertise en codage qui pourrait s'atrophier à force de trop compter sur Claude.

Certains rapportent un optimisme à court terme associé à une incertitude à long terme. Comme l'a formulé l'un d'eux : l'IA va probablement "me rendre, moi et beaucoup d'autres, non pertinents" à terme. [Fait] Ce n'est pas la voix d'un technophobe — c'est quelqu'un qui construit ces systèmes pour gagner sa vie.

Ce que cela signifie pour les professionnels du logiciel

Pour les développeurs logiciels, les data scientists et les programmeurs informatiques, cette étude offre à la fois un encouragement et un avertissement.

L'encouragement : l'IA rend actuellement les développeurs plus productifs, pas les remplacer. Les pull requests fusionnées par ingénieur par jour chez Anthropic ont augmenté de 67 % [Fait], mais les effectifs n'ont pas diminué proportionnellement. Le travail s'est étendu pour remplir la nouvelle capacité.

L'avertissement : la trajectoire est claire. L'utilisation a doublé en un an. L'autonomie a doublé en six mois. Les tâches de conception — longtemps considérées comme la partie la plus humaine de l'ingénierie — commencent aussi à être déléguées. Si vous êtes un développeur dont la valeur principale est d'écrire du code plutôt que de comprendre des problèmes, le terrain confortable du milieu s'érode.

[Avis] Les développeurs qui prospéreront sont ceux qui maîtriseront la méta-compétence : savoir quand déléguer, quoi vérifier, et comment diriger l'IA efficacement. Cette étude montre que même chez une entreprise d'IA, plus de la moitié des répondants ne délèguent complètement que 0-20 % de leur travail. [Fait] La compétence d'avenir n'est pas le prompting — c'est le jugement.

La réserve à ne pas ignorer

Les employés d'Anthropic ne sont pas des travailleurs du savoir typiques. Ils construisent Claude, comprennent intimement ses capacités, et travaillent dans un environnement conçu pour maximiser l'adoption de l'IA. [Avis] Si le plafond des gains de productivité IA est d'environ 50 % avec un taux d'intégration de 59 %, la plupart des entreprises opérant avec moins d'expertise IA et des outils moins performants verront des chiffres nettement inférieurs.

L'étude reconnaît aussi des limitations significatives : biais de sélection vers les utilisateurs engagés, effets de désirabilité sociale dans les réponses non anonymes, et la difficulté inhérente de l'auto-évaluation des gains de productivité. [Fait]

Pourtant, c'est précieux précisément parce que cela montre la limite supérieure de ce que l'IA actuelle peut faire pour le travail technique. C'est un aperçu, pas une prophétie — mais un aperçu auquel chaque professionnel du logiciel devrait prêter attention.

Sources

• Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). "How AI is transforming work at Anthropic." Anthropic Research. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Historique des mises à jour

• 2026-03-23 : Publication initiale basée sur l'étude interne d'Anthropic (décembre 2025).

---

Cette analyse a été générée avec l'assistance de l'IA. Toutes les affirmations factuelles sont marquées [Fait], les opinions et interprétations [Avis], et les projections [Estimation]. Les détails méthodologiques se trouvent dans l'article cité. Pour des données détaillées par métier, visitez les pages métiers.