Rapport Anthropic de juin 2026 : ce qui est mesuré, et ce qui ne l'est pas
Le dernier Economic Index observe l'usage réel de l'IA sur deux mois. Retour sur ce que ces données établissent, et sur les limites que le rapport reconnaît.
Publié le · La rédaction
Anthropic a publié le 26 juin 2026 la sixième édition de son Economic Index, intitulée Cadences. Elle porte sur les conversations échantillonnées entre le 10 avril et le 10 juin 2026, croisées avec une enquête auprès d’environ 9 700 répondants. Le jeu de données est publié sous licence CC BY.
C’est l’un des rares travaux à observer l’usage de l’IA plutôt qu’à le sonder ou le projeter. À ce titre il mérite d’être lu attentivement — y compris dans ce qu’il ne prétend pas établir.
Ce que le rapport mesure
Trois résultats nous paraissent structurants pour qui s’intéresse au travail.
93 % des conversations produisent un artefact identifiable. Un document, un fichier, un extrait de code, une analyse. Ce n’est pas un détail de mesure : cela signifie que l’usage dominant n’est ni la recherche d’information ni la conversation, mais la production d’un livrable. C’est exactement ce que notre grille de classement cherche à repérer dans les libellés du référentiel français — un savoir-faire dont la sortie est un document réglé est le premier candidat à la délégation.
Le rythme d’usage épouse celui du travail. La part de conversations personnelles passe de 35 % en semaine à 50 % le week-end ; les demandes fiscales sont multipliées par huit à l’approche de l’échéance déclarative américaine. Banal en apparence, mais c’est la démonstration que l’outil s’insère dans des cycles professionnels existants plutôt qu’il n’en crée de nouveaux.
57 % des répondants estiment que leurs compétences gagnent en valeur, 68 % déclarent apprendre davantage. Ces deux chiffres sont des déclarations, pas des observations — le rapport ne s’en cache pas, et nous y revenons plus bas.
Ce que le rapport dit de ses propres limites
C’est la partie que les reprises de presse omettent, et c’est celle qui nous intéresse le plus.
L’échantillon n’est pas représentatif. Les métiers informatiques y pèsent 30 %, contre environ 4 % de l’emploi américain. Un rapport de sept à un. Toute lecture qui transposerait ces proportions à la population active se tromperait lourdement — et dans un sens précis : elle surestimerait l’adoption dans les métiers non techniques.
Les mesures d’autonomie sont bruitées. La distinction entre automatisation — la tâche est faite avec peu d’aller-retour — et augmentation — l’échange est itératif — est au cœur de l’analyse. Le rapport reconnaît des cas mal classés.
L’érosion des compétences ne peut pas être écartée. Que 68 % des répondants déclarent apprendre davantage ne prouve pas qu’ils apprennent davantage. Une auto-évaluation mesure une perception ; c’est utile, ce n’est pas la même chose. Le rapport le formule lui-même.
Le métier des utilisateurs n’est pas identifiable de façon concluante. C’est la limite la plus contraignante pour un observatoire comme le nôtre : ces données décrivent des usages, pas des professions.
Pourquoi nous ne branchons pas ces données sur nos fiches
Notre page de méthodologie l’annonce, et ce rapport confirme que nous avons eu raison d’attendre.
Les travaux d’usage observé sont adossés à la taxonomie américaine O*NET. Nos fiches sont adossées au référentiel français ROME 4.0. Le pont entre les deux est un appariement sémantique, et c’est l’étape la plus fragile de toute la chaîne. Tant qu’il n’est pas construit et vérifié, importer des proportions américaines dans des fiches françaises produirait un chiffre d’apparence sérieuse et de fondement incertain.
Il y a une raison de fond, au-delà de la technique. Une part importante de ce qui protège un métier en France n’est pas de nature technique : dans notre classement de 39 669 savoir-faire, les verrous non techniques — titre professionnel, responsabilité nominative, autorité hiérarchique, déontologie — représentent 41 % du total. Ces verrous sont nationaux. Ils ne se transposent pas d’un pays à l’autre, quelle que soit la qualité des données d’usage.
Ce qu’on peut en retenir sans se tromper
Trois lectures nous paraissent sûres.
L’usage professionnel de l’IA est orienté production de livrables, ce qui recoupe la catégorie de savoir-faire que nous classons « réalisable » : écrit à format connu, calcul et mise en document, saisie et tenue documentaire.
L’adoption est très inégalement répartie selon les métiers, et fortement concentrée sur l’informatique. Un chiffre d’adoption global ne dit rien de votre métier en particulier.
Enfin, aucune de ces données ne mesure l’effet sur l’emploi. Observer qu’une tâche est déléguée ne dit ni combien de temps elle libère, ni ce qui est fait de ce temps, ni si un poste disparaît. C’est une mesure d’usage, et c’est déjà beaucoup.
Nous continuons à publier nos propres chiffres sur le référentiel français, avec leur base de calcul et leur taux d’incertitude affichés. C’est moins spectaculaire qu’un pourcentage unique, et c’est vérifiable.