---
date: 2026-09-01
type: rapport-veille
tags: [emploi, intelligence-artificielle, travail, anthropic, robotique, veille-fornews]
---
# Le chômage ne bouge pas, c'est la porte d'entrée qui se referme
**1 article-source** (Anthropic, 5 mars 2026) · **une trentaine d'articles de complément** issus du fonds fornews-agence · période du 16 juin au 1er septembre 2026 · généré le 1er septembre 2026
> [!info] Note méthodologique
> **Article analysé** : *Labor market impacts of AI: A new measure and early evidence*, Maxim Massenkoff et Peter McCrory, publié le 5 mars 2026 sur anthropic.com, corrigé le 8 mars — la figure 7 inversait les étiquettes entre le quartile le plus exposé et le groupe non exposé. Le texte intégral et l'annexe ont été lus ; les figures citées sont celles de l'article.
> **Compléments** : recherche plein texte dans le fonds fornews-agence sur `emploi`, `Optimus`, `robot humanoïde`, `Bill Gates`, `marché du travail`.
> **Images** : deux provenances distinctes et signalées comme telles. Les figures numérotées viennent de l'article-source, dont elles sont la matière ; les photographies viennent du champ `image_url` des enregistrements du corpus. Aucune image tierce.
> **Doublon signalé** : Presse-Citron a publié deux fois le même papier sur cette étude, le 30 juin et le 27 août, sous des titres presque identiques (« de manière implacable » puis « de manière très claire »). Comptés une fois.
---
## Synthèse exécutive
L'étude publiée par Anthropic le 5 mars propose une mesure nouvelle et un résultat désagréablement sobre. La mesure, appelée exposition observée, croise ce qu'un modèle de langage pourrait théoriquement accélérer avec ce que les gens lui font réellement faire au travail, en pondérant plus lourdement les usages automatisés que les usages d'assistance. Elle révèle d'abord un écart considérable entre le possible et le réel : dans les métiers de l'informatique et des mathématiques, quatre-vingt-quatorze pour cent des tâches sont théoriquement à portée d'un modèle, mais un tiers seulement fait l'objet d'un usage effectif. Le résultat principal est une absence : depuis la sortie de ChatGPT fin 2022, le chômage des travailleurs les plus exposés n'augmente pas plus vite que celui des autres, l'écart mesuré étant indistinguable de zéro. Un seul signal résiste, et il est étroit : chez les vingt-deux à vingt-cinq ans, le taux d'accès à un premier emploi dans les métiers exposés a chuté d'environ quatorze pour cent depuis 2022, alors qu'il reste stable ailleurs — un effet qui disparaît au-delà de vingt-cinq ans. Le corpus de veille place cette étude dans un contexte qui la contredit frontalement : la même semaine, Bill Gates publie un essai de six mille mots annonçant un chômage massif et permanent et propose de taxer les robots, tandis qu'Elon Musk promet de remplacer chaque travailleur par un robot. Or les faits industriels enregistrés par le fonds vont dans l'autre sens : les robots que Meta teste dans ses centres de données restent plus lents que les techniciens humains et travaillent sous supervision, et Musk lui-même qualifiait en juillet son robot Optimus de produit le plus difficile jamais fabriqué chez Tesla. Entre une prophétie et une mesure, ce dossier documente surtout l'écart entre les deux.
---
## 1. Cartographie NER — Acteurs clés
Typologie reconstruite depuis l'article-source et les entités du fonds. Les nombres entre parenthèses indiquent le total d'articles portant l'entité dans le corpus.
### Organisations et institutions
`Microsoft` (513) · `Anthropic` (167) · `OpenAI` (110) · `Meta` (18) · `Bureau of Labor Statistics` · `O*NET Center` · `Current Population Survey` · `Anthropic Economic Index` · `Budget Lab at Yale` · `NBER` · `Economic Innovation Group` · `ADP` · `Lightcast` · `Revelio` · `Watney Robotics` · `Kinova` · `ABB` (1) · `BMW` (1) · `General Motors` · `BYD` · `ACE Robotics` · `Bedrock Robotics` · `Mercedes-Benz` · `Palo Alto Networks` · `Tesla` · `Fondation Bill-et-Melinda-Gates` (2)
### Mesures, concepts et produits
`exposition observée` · `β de Eloundou et al.` · `taux d'accès à l'emploi` · `différence de différences` · `modèle COBRA` · `O-ring model` · `Optimus` · `Xiao Di` (BYD) · `Kinova Gen3` · `Nvidia GB300` · `Qwen-Robot` · `SNAP` · `revenu de base universel` · `Humain Réservé`
### Personnalités
`Bill Gates` (6) · `Elon Musk` (141) · `Maxim Massenkoff` · `Peter McCrory` · `Tyna Eloundou` · `Erik Brynjolfsson` · `Martha Gimbel` · `David Autor` · `Daron Acemoglu` · `Joshua Gans` · `Avi Goldfarb` · `Eric Xu` (Meta) · `Wang Xiaogang` (ACE Robotics) · `John Hoffman` (Palo Alto Networks) · `Donald Trump` (99)
### Métiers cités, du plus exposé au moins exposé
**Les plus exposés** — `programmeur informatique` (75 % de couverture) · `représentant du service client` · `opérateur de saisie de données` (67 %) · `analyste financier`
**Les non exposés** (30 % des travailleurs) — `cuisinier` · `mécanicien de motos` · `sauveteur` · `barman` · `plongeur` · `préposé aux cabines d'essayage`
### Lieux
`États-Unis` (189) · `Altoona, Iowa` · `New Albany, Ohio` · `Columbus, Ohio` · `Détroit, Michigan` · `Spartanburg, Caroline du Sud` · `Menlo Park, Californie` · `Allemagne` · `Chine` · `Seine-et-Marne` · `Alsace`
### Thèmes du champ sémantique activés
`Humain` · `Société` · `Travail` · `Éducation` · `Apprentissage` · `Robot` · `Intelligence` · `Ignorance` · `Recherche` · `Science` · `Loi` · `Politique` · `Pouvoir` · `Éthique` · `Responsable` · `Progrès` · `Évolution` · `Demain` · `Futur` · `Identité`
### Carte des déploiements robotiques cités
> Coordonnées résolues manuellement.
```leaflet
id: ia-emploi-septembre-2026
lat: 40.0
long: -60.0
height: 500px
width: 100%
minZoom: 2
maxZoom: 10
defaultZoom: 3
marker: default, 41.6444, -93.4644, [[Altoona Iowa · campus Meta · deux robots Watney a deux bras testes sur le cablage depuis juin 2025 · plus lents que les techniciens humains]]
marker: default, 40.0812, -82.8088, [[New Albany Ohio · centre de donnees Prometheus · bras Kinova et machines ABB pour redemarrage et reinstallation]]
marker: default, 39.9612, -82.9988, [[Columbus Ohio · campus Prometheus · six tentes industrielles de 11 613 metres carres alimentees par 200 megawatts]]
marker: default, 42.3314, -83.0458, [[Detroit Michigan · usine Factory Zero de GM · plus de 1000 emplois supprimes et 50 cobots installes en juin]]
marker: default, 34.9496, -81.9320, [[Spartanburg Caroline du Sud · essai d un an d un robot humanoide BMW en roulements de 10 heures]]
marker: default, 48.1351, 11.5820, [[Allemagne · deploiement d un robot humanoide dans une usine BMW en mars 2026 · centre de competences en IA physique]]
marker: default, 37.4530, -122.1817, [[Menlo Park Californie · siege de Meta · pilotage du programme de robotique en centre de donnees]]
marker: default, 38.8951, -77.0364, [[Washington · Bureau of Labor Statistics et base O NET · projections d emploi 2024-2034 utilisees comme validation]]
marker: default, 37.7749, -122.4194, [[San Francisco · Anthropic · Economic Index et publication de l etude]]
marker: default, 48.8566, 2.3522, [[Seine-et-Marne et Alsace · projets de centres de donnees Nvidia-Mistral et Microsoft · opposition locale]]
```
---
## 2. Chronologie des événements majeurs
```
août-oct 2022 → Fenêtre de référence : caractéristiques des travailleurs avant ChatGPT
fin 2022 → Sortie de ChatGPT · point de bascule de toutes les analyses
2023 → Eloundou et al. publient la mesure théorique β
2024 → Les courbes d'embauche des jeunes divergent visuellement
2025 → Le BLS publie ses projections d'emploi 2024-2034
août, nov 25 → Les deux jeux de données de l'Economic Index utilisés dans l'étude
05 mars 2026 → Publication de « Labor market impacts of AI »
08 mars 2026 → Correction de la figure 7 · étiquettes inversées
30 juin 2026 → Première reprise francophone de l'étude (Presse-Citron)
06 juil 2026 → « Moment darwinien » annoncé par le PDG de Palo Alto Networks
24 juil 2026 → Musk : Optimus est « le produit le plus difficile à fabriquer » de Tesla
04 août 2026 → Musk consacre la moitié de ses appels de résultats aux robots
23 août 2026 → BYD déploie des robots humanoïdes en concession
25 août 2026 → Musk : pas de « pain gratuit » avant le remplacement de chaque travailleur
26 août 2026 → Essai de Bill Gates · 6 000 mots · « cette fois-ci, c'est différent »
27 août 2026 → Seconde reprise francophone de l'étude · doublon éditorial
30 août 2026 → Gates propose de taxer les machines et de réserver des métiers aux humains
01 sept 2026 → Meta teste des robots dans ses centres de données · plus lents que les humains
```
```mermaid
timeline
title De la theorie a la mesure, puis a la prophetie
Theorie : Eloundou et al. 2023 : ce qu un modele pourrait accelerer
Mesure : Etude Anthropic de mars 2026 : ce qu il accelere reellement
Silence : Aucun effet sur le chomage : un seul signal sur l embauche des jeunes
Prophetie : Essai de Bill Gates : promesses de remplacement total de Musk
Realite d atelier : Robots de Meta plus lents que les humains : Optimus en difficulte
```
---
## 3. Points clés
### 3.1 Ce que la mesure ajoute : l'écart entre le possible et le fait
L'apport méthodologique tient en une distinction que les travaux antérieurs ne faisaient pas. La mesure de référence, celle d'Eloundou et al., note chaque tâche selon qu'un modèle de langage pourrait théoriquement la faire deux fois plus vite : un point s'il y parvient seul, un demi-point s'il lui faut des outils supplémentaires, zéro sinon. Cette mesure décrit une capacité, pas un usage. L'exposition observée y ajoute ce que les gens font réellement, en ne comptant une tâche comme couverte que si elle apparaît suffisamment dans le trafic professionnel de Claude, puis en pondérant : une implémentation pleinement automatisée compte double par rapport à un usage d'assistance, et le tout est ramené au métier en fonction du temps que chaque tâche y occupe. Les deux mesures sont fortement corrélées — quatre-vingt-dix-sept pour cent des tâches observées tombent dans des catégories jugées théoriquement faisables — mais leur écart est justement l'objet de la mesure. Les auteurs prennent un exemple parlant : autoriser le renouvellement d'une ordonnance et transmettre l'information à une pharmacie est classé pleinement exposé, et pourtant ils n'ont jamais observé Claude le faire. Contraintes juridiques, vérification humaine, logiciels spécifiques : le possible met du temps à devenir réel.
```mermaid
flowchart LR
A[Taches O NET
800 metiers] --> D{Exposition observee}
B[Capacite theorique
Eloundou et al.] --> D
C[Usage reel
Economic Index] --> D
D --> E[Pondere : automatise compte double]
E --> F[Agrege au metier
par temps passe]
style D fill:#E8972E,color:#fff
```
### 3.2 Le résultat central est une absence, et un seul signal y résiste
Les auteurs ont choisi le chômage comme indicateur prioritaire, et l'argument mérite d'être suivi : un travailleur au chômage veut un emploi et n'en a pas trouvé, alors qu'une baisse d'offres d'emploi dans un métier peut être compensée par une hausse dans un métier voisin sans qu'aucun préjudice ne se matérialise. Or depuis la sortie de ChatGPT, la comparaison entre le quartile le plus exposé et les trente pour cent de travailleurs sans exposition ne montre rien : l'écart a très légèrement augmenté, mais il est statistiquement indistinguable de zéro. Le seul moment où les deux courbes s'écartent nettement est la pandémie — et dans le sens inverse, les métiers peu exposés, plus souvent en présentiel, ayant bien plus souffert. Les auteurs testent la robustesse de ce résultat en faisant varier le seuil qui définit le groupe traité, de la médiane au quatre-vingt-quinzième centile, en isolant les jeunes, et en substituant les demandes d'assurance-chômage aux réponses d'enquête. Dans aucune extension l'effet n'apparaît.
Le signal qui subsiste est ailleurs, et il est étroit. En exploitant la dimension longitudinale de l'enquête, les auteurs mesurent la part des vingt-deux à vingt-cinq ans qui commencent un emploi qu'ils n'avaient pas le mois précédent. Dans les métiers peu exposés, ce taux reste stable à deux pour cent par mois. Dans les métiers très exposés, il perd environ un demi-point, soit une baisse d'environ quatorze pour cent par rapport à 2022 — un résultat que les auteurs qualifient eux-mêmes de tout juste significatif. Il n'y a aucune baisse équivalente au-delà de vingt-cinq ans. Et l'interprétation reste ouverte : ces jeunes non embauchés peuvent être restés à leur poste, avoir pris un autre métier, ou être retournés étudier.
### 3.3 Dimension humaine : les exposés ne sont pas ceux qu'on croit
C'est le passage le plus contre-intuitif de l'étude, et celui qui déplace le débat public. En comparant, sur les trois mois précédant la sortie de ChatGPT, le quartile le plus exposé aux trente pour cent sans exposition, les auteurs trouvent deux populations très différentes. Le groupe exposé compte seize points de pourcentage de femmes en plus, onze points de blancs en plus, presque deux fois plus d'Asiatiques. Il gagne en moyenne quarante-sept pour cent de plus. Et l'écart de diplôme est spectaculaire : les titulaires d'un diplôme d'études supérieures représentent quatre virgule cinq pour cent du groupe non exposé et dix-sept virgule quatre pour cent du groupe le plus exposé, soit près du quadruple. Autrement dit, la population que cette mesure désigne comme la plus exposée n'est pas celle que les récits sur l'automatisation ont installée depuis quarante ans. Ce ne sont ni les ouvriers ni les moins qualifiés : ce sont des travailleurs de bureau diplômés et bien rémunérés. Et à l'autre bout, les trente pour cent de travailleurs à exposition nulle — cuisiniers, mécaniciens de motos, sauveteurs, barmans, plongeurs — sont ceux dont le corps est engagé dans le travail.
### 3.4 Le contrepoint du fonds : la même semaine, Bill Gates annonce l'inverse
Le corpus de veille apporte ici ce que l'article seul ne peut pas donner : son environnement de réception. Le 26 août, Bill Gates publie un essai d'environ six mille mots intitulé *L'ère tumultueuse de l'IA est arrivée. Les choix que nous faisons maintenant sont cruciaux*, rupture nette avec son optimisme de 2023. Sa formule centrale — « l'IA sera soit le plus grand égalisateur jamais inventé, soit la pire source d'injustice » — accompagne une prédiction sans ambiguïté : un chômage généralisé et permanent, touchant les cols blancs comme les cols bleus, et « de nombreux emplois disparaîtront pour toujours ». Il écarte explicitement les comparaisons avec les innovations passées : « cette fois-ci, c'est vraiment différent ». Ses propositions sont rares et concrètes : taxer les jetons et les robots pour décourager le remplacement des humains et financer les fonds sociaux, et réserver certains métiers aux personnes — un domaine qu'il nomme « Humain Réservé ». Quatre sources du fonds relaient cet essai en cinq jours. La tension avec l'étude d'Anthropic est frontale et instructive : l'un mesure une absence d'effet à ce jour, l'autre annonce un bouleversement historique. Les deux peuvent avoir raison — c'est précisément l'hypothèse que la méthode d'Anthropic est faite pour trancher, en réexaminant périodiquement les mêmes indicateurs.
### 3.5 Le mur physique : les robots de Meta restent plus lents que les humains
Le fonds documente, au jour près, ce qui se passe à la frontière des trente pour cent de métiers non exposés. Le 1er septembre, Développez.com rapporte que Meta teste des robots Watney, Kinova et ABB dans ses centres de données d'Altoona et de New Albany, pour remplacer des câbles réseau, redémarrer des serveurs et réinstaller du matériel. Le constat est sans appel : depuis juin 2025, les deux robots à deux bras testés sur le câblage restent plus lents que les techniciens humains et fonctionnent sous supervision. Leurs caméras en niveaux de gris ne distinguent pas un voyant vert d'un voyant rouge ; ils butent sur les angles et les câbles ; il faut les recharger et les déplacer manuellement d'un bâtiment à l'autre ; et Meta a reconnu en interne qu'ils ne sont pas équipés pour le câblage intensif qu'exigent les systèmes Nvidia GB300. Un employé estime malgré tout qu'un système performant pourrait à terme réduire jusqu'à quatre-vingts pour cent de la charge de travail de certains postes, et résume l'état d'esprit en une phrase : « Nous pensions que ceux d'entre nous qui effectuaient les tâches physiques étaient à l'abri pendant un certain temps, mais ce n'est plus le cas. » Le même article rappelle qu'en juin, General Motors a supprimé plus de mille emplois dans son usine phare de Détroit tout en y installant cinquante robots collaboratifs — des suppressions bien réelles, mais motivées par l'effondrement de la demande de véhicules électriques autant que par l'automatisation.
### 3.6 Optimus, ou la promesse de remplacement total confrontée à l'usine
Treize articles du fonds suivent le robot humanoïde de Tesla, et leur lecture d'ensemble compose un démenti. Le 24 juillet, Musk qualifie Optimus du « produit le plus difficile à fabriquer jamais » chez Tesla et révise à la baisse des prévisions qui allaient de cinquante mille à cent mille unités ; il avait annoncé environ dix mille robots produits avant la fin de 2025. Le 4 août, TechCrunch observe qu'il consacre la moitié de ses appels de résultats aux robots et à l'IA, alors que l'entreprise a livré près d'un demi-million de voitures sur le trimestre. Le 24 juillet également, l'action recule de plus de quatorze pour cent après des résultats décevants, les investisseurs doutant des retombées des dépenses engagées dans l'IA, Optimus et les robotaxis, avec un flux de trésorerie libre négatif de un virgule un milliard de dollars malgré une croissance de vingt-six pour cent du chiffre d'affaires. Et le 25 août, Musk soutient qu'il n'y aura pas de « pain gratuit » tant que chaque travailleur n'aura pas été remplacé par un robot — position que Gizmodo relève comme inconciliable avec son action passée à la tête du DOGE, où il a supervisé le départ d'environ trois cent mille fonctionnaires fédéraux. Une promesse d'abondance post-travail, portée par une machine que son constructeur décrit comme la plus difficile qu'il ait jamais tentée.
### 3.7 Ce que la méthode ne voit pas, et le dit
L'honnêteté de l'article tient à ses limites déclarées, et elles sont substantielles. La mesure ne capte que ce qui passe par les produits d'Anthropic, dans un contexte professionnel identifiable — ni les autres modèles, ni les usages en dehors du travail, ni les déploiements internes que l'entreprise ne voit pas. La mesure théorique sur laquelle elle s'appuie date de début 2023 et reflète les capacités d'alors. Le choix du seuil de traitement est discuté à partir de trois modèles théoriques opposés — un modèle en anneau où l'effet n'apparaît que lorsque toutes les tâches sont pénétrées, un modèle où la concentration de l'exposition contrecarre son niveau moyen, un modèle centré sur l'expertise requise par les tâches restantes — sans que la littérature tranche. Enfin, et c'est le point le plus important pour l'usage qu'on peut en faire, les auteurs indiquent leur seuil de détectabilité : un écart de l'ordre d'un point de pourcentage de chômage serait visible. Ils précisent ce que cela signifie en pratique — un licenciement de tous les travailleurs du décile le plus exposé ferait passer le chômage du quartile exposé de trois à quarante-trois pour cent, et le chômage global de quatre à treize pour cent. Un scénario plus modeste, « une Grande Récession pour les cols blancs », doublerait le taux du quartile exposé de trois à six pour cent. Ce serait visible aussi.
---
## 4. Perspectives d'avenir
### 4.1 Les métiers à surveiller sont nommés, et le seuil est fixé
L'étude fournit une liste et une méthode reproductible, ce qui la rend vérifiable dans le temps. Les programmeurs informatiques arrivent en tête avec soixante-quinze pour cent de couverture, suivis des représentants du service client, dont les tâches principales apparaissent de plus en plus dans le trafic d'API, puis des opérateurs de saisie de données à soixante-sept pour cent. Les auteurs annoncent que leurs données d'usage seront intégrées aux futures mises à jour, « formant une image évolutive de la couverture des tâches et des métiers dans l'économie ». La prochaine publication de l'Economic Index constitue donc le point de contrôle le plus proche : soit l'aire rouge progresse vers l'aire bleue et la mesure gagne en pouvoir prédictif, soit elle stagne et l'écart entre capacité et usage devient lui-même le fait à expliquer.
### 4.2 La validation externe existe, et elle est faible
Les auteurs confrontent leur mesure aux projections d'emploi 2024-2034 du Bureau of Labor Statistics et trouvent une relation réelle mais modeste : pour dix points de couverture supplémentaires, la projection de croissance recule de zéro virgule six point. Deux lectures s'imposent. La première est encourageante — leur mesure retrouve, indépendamment, ce que des analystes du marché du travail anticipent de leur côté, et la mesure théorique seule ne produit aucune corrélation de ce type. La seconde invite à la prudence, et les auteurs la fournissent eux-mêmes en introduction : les projections officielles du gouvernement, bien que directionnellement correctes, n'ont historiquement guère apporté plus qu'une extrapolation linéaire des tendances passées. Une validation par un instrument dont on rappelle la faible valeur prédictive reste une validation faible.
### 4.3 Fin 2027 : le « moment ChatGPT » annoncé de l'IA incarnée
C'est l'échéance datée que le fonds ajoute au dossier, et elle porte précisément sur le tiers de travailleurs que l'étude classe hors d'atteinte. Le président d'ACE Robotics estime que l'IA incarnée — la capacité des machines à percevoir et agir dans des environnements physiques — pourrait connaître son « moment ChatGPT » d'ici la fin 2027. Le fonds enregistre les briques qui s'assemblent : Alibaba a dévoilé en juin une suite de modèles de navigation, de manipulation d'objets et de simulation physique, des chercheurs de Nvidia ont présenté des agents chargés de former des flottes de robots, BMW a déployé un humanoïde dans une usine allemande en mars après un an d'essai en Caroline du Sud, et Bedrock Robotics fait rouler des engins de chantier autonomes. L'obstacle reconnu reste le manque de données du monde réel. Si cette échéance se vérifiait, elle déplacerait la mesure d'exposition observée exactement là où elle est aujourd'hui aveugle — chez les cuisiniers, les mécaniciens et les sauveteurs.
### 4.4 La politique arrive avant les données
Le décalage le plus net de ce dossier n'est pas entre le possible et le réel, mais entre la mesure et la décision. Alors que l'étude ne détecte aucun effet sur le chômage, Bill Gates demande d'agir « avant que le chômage ne grimpe de façon importante, que les communautés ne souffrent et que la confiance du public ne se soit érodée », et propose une taxation des machines. Le PDG de Palo Alto Networks annonçait dès juillet un « moment darwinien » sommant les travailleurs de se mettre à la page ou d'être licenciés. Aux États-Unis, l'administration tente pour la deuxième fois en un an d'imposer cent mille dollars de frais de visa H-1B aux employeurs recrutant des travailleurs étrangers qualifiés. En France, deux projets de centres de données — Nvidia et Mistral en Seine-et-Marne, Microsoft en Alsace — rencontrent une opposition locale. La politique du travail à l'ère de l'IA se fabrique donc en amont de toute preuve d'effet mesuré, ce qui est peut-être l'argument le plus fort en faveur de la démarche d'Anthropic : établir la méthode maintenant, pour que les mesures futures puissent départager les prophéties.
---
## 5. Résonances sémantiques
> *Humain · Travail · Apprentissage · Progrès · Responsable*
Ce dossier oppose deux façons de connaître l'avenir, et c'est sa véritable matière. D'un côté une mesure patiente, qui admet ses angles morts, publie sa correction trois jours après sa parution, annonce son seuil de détectabilité et conclut qu'il ne se passe rien d'observable — sauf une porte qui se referme doucement devant les vingt-deux à vingt-cinq ans. De l'autre une prophétie, formulée par ceux-là mêmes qui construisent la technologie, qui annonce la disparition définitive de nombreux emplois et propose déjà de taxer les machines. Entre les deux, des robots qui n'arrivent pas à distinguer un voyant vert d'un voyant rouge. Le renversement que l'étude opère mérite d'être médité : les plus exposés ne sont pas les corps au travail mais les diplômés de bureau, et les plus protégés sont ceux qui cuisinent, réparent et surveillent les bassins. Quarante ans de récits sur l'automatisation avaient installé l'inverse. Reste la question que ce corpus pose sans la formuler : quand ceux qui construisent l'outil sont aussi ceux qui mesurent son effet, puis ceux qui proposent la politique publique pour y répondre, quelle place reste-t-il à la délibération de ceux dont le métier est en jeu ? La mesure, ici, est de bonne foi et son honnêteté méthodologique est manifeste. C'est l'asymétrie de position qui demeure.
`Humain` · `Travail` · `Société` · `Apprentissage` · `Éducation` · `Robot` · `Intelligence` · `Pouvoir` · `Éthique` · `Demain`
---
## Annexe A — Répartition des compléments par source
```mermaid
pie showData
title Sources des compléments dans le fonds
"Gizmodo" : 3
"Developpez.com" : 3
"Les Numeriques" : 3
"01net" : 2
"Presse-Citron" : 2
"The Verge" : 2
"TechCrunch" : 1
"20 Minutes" : 1
"Futura" : 1
"France 24" : 1
"La Liberte" : 1
"Mac4Ever" : 1
```
Le déséquilibre est net et il est éditorial. La presse spécialisée francophone — Développez.com, 01net, Les Numériques, Presse-Citron — porte l'essentiel du suivi industriel, tandis que la presse généraliste du fonds n'aborde le sujet que par la figure de Bill Gates. Aucun média du corpus n'a couvert l'étude d'Anthropic pour elle-même : les deux seuls articles qui la mentionnent sont un même papier de Presse-Citron publié deux fois à deux mois d'intervalle.
---
## Annexe B — Chiffres de l'étude et de ses compléments
| Grandeur | Valeur | Source |
|---|---|---|
| Métiers couverts par la base O*NET | ≈ **800** | Anthropic |
| Usage de Claude sur des tâches jugées pleinement faisables | **68 %** · 3 % sur des tâches jugées infaisables | Anthropic, figure 1 |
| Tâches observées tombant dans une catégorie théoriquement faisable | **97 %** | Anthropic |
| Informatique et mathématiques | **94 %** théoriquement exposé · **33 %** réellement couvert | Anthropic, figure 2 |
| Métier le plus exposé | Programmeur informatique, **75 %** de couverture | Anthropic, figure 3 |
| Opérateurs de saisie de données | **67 %** de couverture | Anthropic, figure 3 |
| Travailleurs à exposition nulle | **30 %** | Anthropic |
| Relation avec les projections du BLS | **−0,6 point** de croissance projetée pour **+10 points** de couverture | Anthropic, figure 4 |
| Écart de revenu entre exposés et non exposés | **+47 %** | Anthropic, figure 5 |
| Part de diplômés du supérieur | **4,5 %** chez les non exposés · **17,4 %** chez les plus exposés | Anthropic, figure 5 |
| **Effet mesuré sur le chômage** | **indistinguable de zéro** depuis fin 2022 | Anthropic, figure 6 |
| **Accès à un premier emploi, 22-25 ans** | **−14 %** dans les métiers exposés · stable à 2 %/mois ailleurs | Anthropic, figure 7 |
| Seuil de détectabilité de la méthode | ≈ **1 point** de chômage différentiel | Anthropic |
| Scénario extrême modélisé | Licenciement du décile le plus exposé : chômage global de 4 % à **13 %** | Anthropic |
| Estimation concurrente (Brynjolfsson et al.) | **−6 à −16 %** d'emploi chez les 22-25 ans exposés | cité par Anthropic |
| Essai de Bill Gates | ≈ **6 000 mots** | The Verge, 26 août |
| Réduction de charge espérée par Meta | jusqu'à **80 %** sur certains postes de câblage | Développez, 1er sept. |
| Robots de Meta testés depuis | **juin 2025** · toujours plus lents que les humains | Développez, 1er sept. |
| General Motors, Détroit | **> 1 000 emplois** supprimés · **50 cobots** installés | Développez, 1er sept. |
| Optimus | « produit le plus difficile à fabriquer » · prévisions ramenées de 50 000-100 000 unités | 01net, 24 juillet |
| Fonctionnaires fédéraux partis via le DOGE | ≈ **300 000** | Gizmodo, 25 août |
| « Moment ChatGPT » de l'IA incarnée | annoncé pour **fin 2027** | ACE Robotics via Développez |
Deux chiffres se répondent et résument le dossier : **zéro** effet mesurable sur le chômage, et **quatre-vingts pour cent** de charge de travail que Meta espère retirer à certains postes. Le premier décrit ce qui s'est produit, le second ce qui est visé.
---
**Article-source** — Maxim Massenkoff et Peter McCrory, *Labor market impacts of AI: A new measure and early evidence*, Anthropic, 5 mars 2026 (corrigé le 8 mars). [Article](https://www.anthropic.com/research/labor-market-impacts) · [PDF](https://cdn.sanity.io/files/4zrzovbb/website/2b5bbaf2c1eb81dbf6e6fb813c1a24e35a64d376.pdf) · [Annexe](https://cdn.sanity.io/files/4zrzovbb/website/e5f77fc0e77c0185110b5e4b909602791ae76eae.pdf)
**Sources des compléments** — Développez.com · Gizmodo · Les Numériques · The Verge · 01net · Presse-Citron · TechCrunch · 20 Minutes · Futura · France 24 · La Liberté · Mac4Ever
**Période couverte par les compléments** — 16 juin au 1er septembre 2026 · fonds fornews-agence, serveur MCP en lecture seule
**Illustrations** — huit visuels de l'article-source, soit l'image d'ouverture et les figures 1 à 7 (`www-cdn.anthropic.com`), et trois photographies issues du champ `image_url` du corpus (The Verge, Gizmodo, Presse-Citron). Aucune image tierce. Les URL n'ont pas pu être testées par requête HTTP depuis cet environnement.