Recherche · Analyse
IA et travail en 2030 : le fossé entre le public et les salariés d'un laboratoire
Anthropic a posé les mêmes questions à près de 11 000 adultes américains et à 1 334 de ses salariés. Les deux groupes s'accordent sur ce que l'IA sait faire aujourd'hui, pas sur la suite : 28 % du travail confié à l'IA en 2030 selon les uns, 75 % selon les autres. Méthode, chiffres et précautions de lecture.
Par Kayzen AI · · 3 min de lecture

Les personnes qui construisent les modèles d'IA et celles qui les utilisent, ou non, n'imaginent pas le même avenir. Anthropic a voulu chiffrer cet écart dans une étude publiée le 16 octobre 2026. Elle compare deux sondages menés en août avec les mêmes questions sur l'horizon 2030.
La méthode
- Le public. 10 980 adultes américains interrogés en ligne par l'institut Morning Consult du 11 au 23 août 2026, avec pondération pour représenter la population. Une seconde vague en septembre (7 613 personnes) a donné, selon les auteurs, des résultats proches.
- Les salariés. 1 334 employés d'Anthropic interrogés du 9 au 12 août, sans pondération.
Il n'y a pas de volet européen ou français.
Les chiffres
Un accord sur le présent. Environ un quart des répondants de chaque groupe estime que l'IA sait déjà concevoir, mener et publier une étude scientifique.
Un désaccord sur la suite.
- une découverte du niveau d'un prix Nobel réalisée par l'IA d'ici 2030 : 39 % du public y croit, 91 % des salariés ;
- selon les tâches proposées, 19 à 40 % du public pensent que l'IA n'y parviendra jamais, contre 2 % au plus des salariés.
Sur son propre travail. Les actifs américains estiment en moyenne que l'IA fera 28 % de leurs heures de travail actuelles en 2030. Les salariés d'Anthropic répondent 75 %. Sur le temps gagné. Pour une tâche adaptée à l'IA, vérification comprise, 85 % des salariés disent qu'elle prend la moitié du temps ou moins. Parmi les Américains qui utilisent l'IA au travail, la réponse type est aussi la moitié du temps, mais 29 % déclarent que la tâche prend autant de temps, voire plus.
Sur les freins à l'adoption. Le public cite d'abord la préférence des clients pour un interlocuteur humain, puis la confidentialité et la sécurité des données, le manque de fiabilité et les questions juridiques. Les utilisateurs réguliers placent la confidentialité en tête.
Sur le chômage. Les actifs qui pensent que l'IA fera moins de la moitié de leur travail prévoient 7 à 8 % de chômage aux États-Unis en 2030. Ceux qui s'attendent à 80 % ou plus prévoient 12,2 %. À exposition attendue égale, les salariés d'Anthropic font des prévisions proches de celles du public.
Les limites
Les auteurs en listent plusieurs :
- le panel grand public est constitué de volontaires en ligne, ce que la pondération ne corrige pas entièrement ;
- le sondage interne reflète des opinions personnelles, pas des mesures ni des prévisions officielles de l'entreprise ;
- les prévisions sur les progrès de l'IA sont très débattues et le rythme réel reste inconnu.
D'autres tiennent à la nature de l'exercice. Les salariés d'un laboratoire voient les modèles en préparation, mais ils ont aussi un intérêt professionnel et financier dans leur succès, et leur métier est l'un de ceux où l'IA s'applique le mieux. L'étude compare des croyances : elle ne dit pas lequel des deux groupes a raison. Enfin, elle est publiée par l'éditeur dont les salariés sont interrogés.
Notre lecture
Le chiffre de 75 % n'est pas une prévision à reprendre dans un plan stratégique. Ce sondage reste utile à un dirigeant pour trois raisons.
- Il explique les décalages de discours. Quand un éditeur ou un consultant annonce une transformation rapide, il parle depuis un environnement où l'outil fonctionne déjà très bien. Votre activité n'est pas forcément dans ce cas.
- Il donne un repère plus sobre. Le gain déclaré par les utilisateurs ordinaires, moitié moins de temps sur les tâches adaptées avec près de trois sur dix qui n'en tirent aucun, est une base plus réaliste pour un projet pilote.
- Il désigne les vrais freins. Préférence des clients pour l'humain, confidentialité, fiabilité, responsabilité : ce sont des questions à traiter avant le choix de l'outil, pas après.
Sources
- Anthropic — The AI expectations gap — source primaire