Comment l'emploi évolue chez Anthropic

Comment l'emploi évolue chez Anthropic

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

Comment l'IA a-t-elle restructuré le travail et l'emploi chez Anthropic ? En tant qu'entreprise à la pointe de l'adoption de l'IA, Anthropic pourrait être un indicateur avancé de la manière dont l'IA transformera l'organisation du travail, le recrutement et la demande de main-d'œuvre dans l'ensemble de l'économie.

Principales conclusions

• Anthropic a recruté une part plus faible de postes techniques juniors. Cela s'est produit alors que les heures travaillées par les agents d'IA par rapport aux employés se sont rapidement multipliées. En août, les heures des agents d'IA interactifs dépassaient celles des employés dans une proportion de 6 contre 1.
• À mesure que les agents d'IA se diffusaient dans l'entreprise, Anthropic a commencé à produire plus de code par personne, à conclure plus de ventes par commercial et à traiter plus de contrats. En suivant les mêmes employés dans le temps, la production a augmenté à mesure qu'ils adoptaient de nouveaux outils d'IA.
• Cette accélération fait de l'attention humaine le goulot d'étranglement de la production des agents. Même parmi les employés non techniques, lire toute la production de leurs agents Claude prendrait la moitié de leur semaine de travail. En réponse, les employés se tournent vers le « méta-travail », consistant à construire des outils de visibilité et à surveiller les pipelines d'agents.
• Les changements dans l'organisation du travail se reflètent dans l'évolution des priorités des responsables du recrutement, qui mettent de plus en plus l'accent sur l'autonomie et le jugement, par rapport à l'expertise technique du domaine et à la mise en œuvre.

Introduction

Quelles transformations du travail et de l'emploi pouvons-nous attendre d'une IA de plus en plus puissante ? Anthropic mérite d'être étudiée parce qu'elle a profondément remodelé ses flux de travail autour de l'IA. Des agents circulent dans les discussions Slack et planifient des réunions. Ils corrigent des bugs de manière autonome et s'attaquent collectivement à d'immenses projets d'ingénierie. Les heures d'agents travaillées dépassent les heures humaines dans une proportion de 6 contre 1. Les changements qui se produisent actuellement chez Anthropic donnent des signaux avancés sur un possible avenir du travail et de l'emploi.

Ce rapport s'appuie sur des données internes complètes d'Anthropic couvrant l'emploi, l'utilisation de l'IA, les indicateurs de production, les enquêtes auprès des employés, les schémas de communication interne, les données d'agenda des employés et les archives des décisions de recrutement. Il contextualise ces données quantitatives avec 17 entretiens avec des employés.

Nous constatons que même alors que l'entreprise grandit, le recrutement relatif en postes techniques juniors a ralenti. La productivité des ingénieurs comme des employés non techniques a fortement bondi, et ce de manière marquée lorsqu'ils ont adopté des agents de codage. Les responsables du recrutement mettent de plus en plus l'accent sur l'autonomie et le jugement des candidats par rapport à une expertise technique spécifique. Une caractéristique déterminante du travail dans une organisation fortement axée sur l'IA est la pression constante visant à se retirer soi-même de cette position de goulot d'étranglement lorsque c'est possible. Un ingénieur a décrit son travail comme faisant face à « une armée de Claudes, chacun réclamant mon attention ». Les employés d'Anthropic restent essentiels. Mais la nature de leurs contributions a changé.

Anthropic a répondu à ces changements en mettant en place un système d'alerte précoce pour suivre les emplois menacés de perturbation, et à mesure que les emplois évoluent, l'entreprise a privilégié les reclassements internes. Ces actions, entreprises à la pointe à la fois du développement de l'IA et des mutations du milieu professionnel, montrent comment des engagements organisationnels spécifiques peuvent façonner l'impact de l'IA sur l'emploi. Mais ils soulèvent aussi des questions difficiles sur ce que devraient être précisément ces engagements.

La demande de main-d'œuvre à la pointe

Anthropic s'est développée rapidement. Mais elle a embauché moins par dollar de revenu qu'une génération antérieure de grandes entreprises technologiques. À cinq ans, Anthropic génère entre 2 et 4 fois plus de revenus par employé que Meta et Google au sommet de leur propre croissance rapide.¹

Quels emplois manquent ? Au sein d'Anthropic, la discussion d'un déclin de la demande d'employés techniques juniors est apparue dans les fonctions techniques fondamentales en janvier 2026. Les équipes qui comptaient le plus sur Claude dans leur propre travail ont constaté que l'écriture de code et la recherche de bugs pouvaient de plus en plus être déléguées à Claude. Les nouveaux modèles plus performants ont accéléré cette perception : « ce qui a fait tiquer, c'est le gain pour les ingénieurs en performance en particulier, et cela a essentiellement changé du jour au lendemain ce que nous recherchions. »

En avril, les équipes d'ingénierie et de recherche avaient délaissé le recrutement pour les postes techniques des bandes inférieures. Lors d'une enquête menée le même mois, une majorité de responsables ont décrit un recrutement axé sur un ensemble de compétences différent en raison de l'IA. Environ un tiers des responsables ML et un cinquième des responsables SWE ont signalé moins de recrutements en raison de l'IA.

Le déplacement des parts d'emploi est frappant. La figure 1 montre que la part des employés juniors dans les départements techniques d'Anthropic est passée de 21 % à 14 % depuis début 2025. La proportion de recrutements techniques juniors a chuté encore plus vite, de 27 % à 9 %. Les offres destinées aux juniors ont particulièrement fortement diminué depuis décembre 2025.

Parallèlement, la part globale de l'emploi dans les départements techniques d'Anthropic a diminué, passant de 61% à 56% au cours de la dernière année. À mesure que l'entreprise s'agrandit, le recrutement technique a continué de croître en termes absolus, mais un recrutement intensif dans les ventes, la finance et le recrutement l'a dépassé. Une partie de ce changement correspond à l'expansion naturelle des fonctions commerciales à mesure que l'entreprise grandit. Une autre partie pourrait refléter le fait que les outils de codage permettent de plus en plus aux employés non techniques de créer eux-mêmes des logiciels. Par exemple, un représentant commercial a conçu un tableau de bord et un pipeline personnalisés adaptés à son travail : « une réalisation de ce genre dépassait mes compétences, surtout pour l'interface utilisateur, la connexion de tous les outils, les MCP. Mais je l'ai construit en trois à quatre heures, juste en itérant dessus. » Le nombre de sessions d'agents IA axées sur le codage pour les employés non techniques (identifiés comme n'ayant aucun commit de code au départ, hors nouvelles recrues) est passé de 2 par mois en août 2025 à 90 en mai 2026.

Pourtant, ce changement dans la composition du recrutement n'est pas uniquement une histoire de codage automatisé permettant sa diffusion vers d'autres experts de domaines. Au sein des départements techniques, la part des employés ne codant pas activement (définis comme n'ayant fait aucun commit de code au cours des 30 derniers jours) a diminué de près de moitié sur l'année jusqu'en avril 2026. Cela s'explique en partie par la réduction de la part des non-ingénieurs : le ratio d'ingénieurs par chef de produit, par exemple, se situe autour de 17 contre 1 et a augmenté depuis 2025. Le nombre de commits des managers a également doublé. Les rôles de supervision et de coordination au sein des équipes techniques impliquent de plus en plus la construction et la livraison de code.

Un domaine dans lequel le recrutement non technique ne s'est pas accéléré concerne les fonctions administratives qui évoluent généralement avec la taille d'une entreprise. Une combinaison d'assistants agents, de revues automatisées et d'externalisation du service des tickets a laissé Anthropic avec peu de personnel administratif même alors qu'elle croissait rapidement. Un responsable financier a construit un agent de revue des demandes d'achat et a expliqué à ses collègues « qu'il cherche simplement à identifier les tâches qui prennent beaucoup d'heures afin que chacun puisse se concentrer sur le reste ».

Même le travail administratif étroitement lié à l'interaction en personne a connu une croissance lente. Une assistante de direction, qui a construit un agent assistant personnel pour la planification et le tri des e-mails, a expliqué : « Je pense que nous avons déjà dépassé le point où Claude supprime les rôles administratifs vraiment débutants », et a plutôt concentré son travail sur des tâches d'ordre supérieur de type « chief of staff ».

Ces changements ont déjà impliqué des réallocations : les employés travaillant dans l'entreprise depuis au moins un an avaient 50% plus de chances de changer de département chaque mois en 2026 qu'en 2025. Des équipes entières ont également été réaffectées après avoir transmis leur travail à des agents. Considérons une équipe de design produit, qui rédigeait des contenus comme les salutations sur Claude.ai : « Hello night owl ; » « Coffee and Claude time ? » Au printemps 2026, l'équipe a développé un graphe de contexte qui orientait efficacement les agents pour rédiger du contenu produit convaincant. Cela a « étendu l'équipe », a expliqué son manager, mais a aussi soulevé la question de ce qu'il restait aux rédacteurs humains. L'équipe s'est ensuite orientée vers le prompting d'agents et a commencé à rédiger des évaluations de modèles et des prompts pour Claude. « Les rédacteurs qui utilisaient le langage pour influencer le comportement humain l'utilisent désormais pour influencer le comportement de Claude. »

L'IA stimule-t-elle les gains de productivité chez Anthropic ?

Ces changements sont-ils attribuables à l'IA ? Chez Anthropic, les humains constituent une fine couche au-dessus d'un contingent croissant d'agents IA. D'après la télémétrie des sessions d'agents, en mars 2026, la somme des heures de travail autonomes et interactives des agents a dépassé les heures de travail humaines pour la première fois. Cela s'explique en partie par des flottes d'agents menant du génie logiciel à l'échelle industrielle, remplissant une multitude de tests et de vérifications de routine, effectuant la maintenance d'une masse croissante de code d'infrastructure et menant des campagnes concertées pour traduire d'immenses bases de code. Mais même en nous concentrant sur les agents déployés par des employés individuels, comme dans la figure 2, en août les agents ont travaillé 6 fois plus d'heures que leurs superviseurs humains.

Anthropic est un producteur de logiciels, et l'immense majorité des jetons circulant dans ces agents est consacrée à la production de code logiciel. Des tableaux de bord surveillent les flottes d'agents opérant dans toute l'entreprise. Mais des agents assistants personnels surveillent également les calendriers et les messages des employés, planifient, envoient des listes de tâches accumulées à partir des messages entrants et informent automatiquement les employés sur les personnes et l'objet de leurs prochaines réunions. Les jetons touchent une gamme croissante de tâches de travail quotidiennes.

Que représentent tous ces tokens ? La figure 3 trace la production au fil du temps pour un éventail de fonctions professionnelles à production mesurable. Conformément aux rapports précédents interrogeant des ingénieurs d'Anthropic et décrivant l'automatisation de l'entraînement des modèles et de la recherche, les commits de code par ingénieur ont augmenté le plus rapidement, atteignant 5x leur vélocité d'il y a 6 mois. Les data scientists interrogent également davantage la masse croissante de données d'Anthropic, demandant à des agents Claude de fournir des métriques en temps réel aux tableaux de bord et aux décideurs. Mais la figure 3 montre que même les employés non techniques ont vu leur production augmenter à mesure que les agents de codage se diffusaient : les avocats ont traité davantage de contrats ; les services comptables ont fait circuler plus de factures ; les vendeurs ont conclu plus de transactions.

Mais tout cela est-il dû à l'utilisation de Claude ? Pendant cette même période, l'entreprise a connu une croissance commerciale explosive. Il est plus facile de conclure des transactions lorsque l'on vend un modèle performant. Pour évaluer l'effet indépendant de l'IA, nous comparons la production des employés qui adoptent des outils de codage agentique à celle de ceux qui ne les ont pas encore adoptés. Cela nous permet de comparer des employés travaillant le même mois au sein de l'entreprise, donc exposés à un contexte commercial similaire, mais l'abordant avec des outils différents. Notons toutefois que l'adoption des outils n'est pas aléatoire : si, par exemple, des employés sur le point de lancer un grand nouveau projet décident de s'équiper pour celui-ci, cela biaiserait nos estimations.

Nous suivons 192 ingénieurs au fil du temps alors qu'ils adoptent des agents de codage, comparés à 74 ingénieurs qui n'adoptent pas d'agents pendant la période étudiée. La figure 4 montre que dans les mois suivant l'adoption, la quantité de code ajoutée par les ingénieurs augmente fortement. Plus de code ne signifie pas nécessairement un meilleur code ni un impact commercial. Pour tester l'existence de code IA médiocre, nous étudions les commits de code effectués chez Anthropic. Nous comparons le code commité par le même employé, le même mois, dans le même répertoire de codage, mais écrit par des agents de codage plutôt qu'écrit directement par l'employé humain. La qualité du code comporte de nombreuses dimensions, et les erreurs de l'IA peuvent être plus difficiles à identifier que les erreurs humaines. Mais nous ne constatons aucune différence dans les taux de lignes de code ultérieurement supprimées ou annulées.

La figure 4 examine également ce qui se passe après qu'un ingénieur adopte son premier agent entièrement autonome. Ceux qui adoptaient étaient déjà sur une trajectoire fortement ascendante par rapport aux non-adopteurs. Cela suggère que les employés se tournant vers des agents entièrement autonomes augmentaient déjà leur production.

Ces tendances vont-elles au-delà du codage, vers une transformation plus large du travail intellectuel ? Les représentants commerciaux d'Anthropic ont progressivement adopté des agents IA à partir du mois de septembre dernier. La figure 4 montre qu'après l'adoption d'agents par les représentants commerciaux, ils concluent des transactions avec davantage de clients. Une partie de cette tendance pourrait être due à des représentants disposant de plus d'opportunités de vente qui se sélectionnent dans l'automatisation. Mais elle pourrait aussi refléter l'automatisation de la journalisation et des communications de routine. Un directeur de comptes a expliqué que les automatisations Claude géraient la rédaction d'e-mails et les intégrations avec les logiciels de gestion de la relation client, remplaçant environ 20 % de ses tâches de travail antérieures. Un autre a noté que des automatisations similaires lui laissaient du temps pour se concentrer sur les interactions en face à face, lui permettant de parler à 30 % de clients en plus qu'auparavant : « chaque fois que tu fais quelque chose une seconde fois, tu te dis un peu, ok, comment puis-je utiliser Claude pour ne pas avoir à le faire une troisième fois ? »

Au-delà des ventes, un avocat d'Anthropic a construit une série d'automatisations Claude pour scanner les risques et opportunités, trier les questions juridiques et effectuer les premières passes sur les textes destinés au public en vue de leur révision juridique. Un recruteur a utilisé Claude pour l'aider dans la recherche de candidats, le suivi des candidatures et une analyse qui aurait pris « peut-être quelques semaines », ce qui l'a libéré pour repenser des questions d'entretien obsolètes et rencontrer davantage de candidats.

Tout cela suggère qu'à mesure que les capacités de l'IA s'améliorent, elle affecte un large éventail d'emplois au sein d'Anthropic. De manière descriptive, nous observons un ralentissement de l'emploi junior dans les emplois qui utilisent Claude pour les tâches les plus complexes (figure 5).

Goulots d'étranglement et processus : tâches nouvelles et anciennes dans un environnement de travail intensif en IA

L'adoption massive de l'IA transforme bien plus que l'emploi et la productivité. Elle entraîne aussi des changements continus dans les processus de travail, générant de nouvelles tâches et modifiant la perception qu'ont les employés de leur lieu de travail. Un employé a décrit cela comme « la pression éternelle chez Anthropic d'aller aussi vite que possible et d'utiliser Claude pour tout », et un autre a indiqué que « ce que nous attendons en une semaine serait ce qui prendrait trois mois ailleurs ». Une enquête interne auprès des employés demandait si les processus de travail chez Anthropic rendaient les répondants aussi productifs que possible : 44 % des employés étaient d'accord fin 2024 ; 58 % en novembre 2025 (en avril 2026, 75 % ont répondu oui, mais la question avait été affaiblie par la suppression de « aussi que possible »). En août, les employés d'Anthropic s'attendaient à ce que l'IA puisse accomplir 75 % de leur travail d'ici 2030, contre 28 % pour les autres Américains [Link to AI Expectations Gap].

Ces attentes de productivité toujours croissantes sont illustrées de manière frappante par le rythme des publications internes de modèles. Dès qu'un nouveau modèle est disponible, les employés d'Anthropic commencent à s'attaquer à des problèmes plus difficiles dans des sessions interactives d'agent de codage. Nous mesurons cela au moyen d'un évaluateur Claude automatisé qui attribue une note aux exigences des tâches des sessions dépersonnalisées en fonction de la profondeur, de la portée et du nombre de systèmes impliqués. La part des tâches au-dessus du 90e centile de difficulté pour l'ancien modèle augmente fortement d'environ 30 % (passant de 10 % à 13 % de toutes les tâches) et reste élevée dans les semaines suivant les publications de modèles. L'extrémité facile des tâches confiées aux agents change peu.

La productivité galopante des agents se traduit par des productions qui se disputent les écrans et l'attention des humains. Un ingénieur a comparé cela à de la garde d'enfants :

Ils disent en substance : il faut ouvrir ma boîte de jus, et c'est une urgence que ma boîte de jus soit ouverte. Et cela est exprimé avec le même niveau d'inquiétude que celui qui s'est coupé le doigt et qui saigne. [...] Quand on garde des enfants, chaque enfant vous fait part de ses préoccupations avec une exigence égale d'attention, et les différents [Claudes] font exactement la même chose.

Dans l'enquête d'avril 2026, à une question ouverte sur la façon dont l'IA avait impacté le travail quotidien, 27 % ont décrit des gains de productivité grâce aux outils Claude et 20 % ont décrit une évolution de leur rôle, passant de l'exécution effective du travail à la gestion des Claudes.

Au milieu de cette accélération portée par les modèles, l'attention humaine reste un goulot d'étranglement constant. Dans les sessions interactives à plusieurs tours, la grande majorité du temps de session des agents n'est pas consacrée à travailler, mais à attendre. Nous suivons le temps d'inactivité en soustrayant le temps de travail actif de chaque agent du temps total écoulé de chaque session interactive. Les sessions Claude représentent environ 80 % d'attente inactive d'une intervention humaine. Comme l'a dit un ingénieur, les gens « constituent le goulot d'étranglement des agents ».

Combien de temps faudrait-il exactement pour lire toute la production de Claude issue des sessions interactives ? Pour chaque session interactive, nous convertissons les tokens de sortie de l'agent de chaque session en nombre de mots, en supposant une vitesse de lecture humaine moyenne. La Figure 6 montre que les fonctions techniques ont vu le volume de production des agents de codage bondir au cours des 6 derniers mois. Mais même pour les groupes non techniques, les sessions Claude interactives produisent suffisamment de contenu pour occuper plus de la moitié de la semaine de travail. Ce déluge de texte Claude doit être organisé.

Une solution à ce déluge est l'automatisation croissante. Mais cela nécessite un travail d'un autre type. Les instructions permanentes écrites pour les agents sont passées de quelques centaines en juillet 2025 à 8,500 un an plus tard. Un ingénieur a mis en place un agent chef de cabinet pour trier les demandes des agents. Un autre a rédigé une évaluation des performances pour son équipe Claude : « Hé, parlons de ce qui fonctionne et de ce qui ne fonctionne pas dans notre style de communication. » Des recruteurs ont construit des tableaux de bord intégrés avec des agents qui font remonter les problèmes et initient des actions. Un avocat a déplacé son attention de l'examen de questions juridiques vers le « SEO pour les conseils juridiques, il faut écrire des cadres que les agents des [clients] découvrent ».

La Figure 7 montre que ce type de meta-travail est passé de 10 % des sessions Claude interactives de l'employé moyen à l'automne 2025 à 22 % au printemps 2026. Une grande partie de cette hausse était due spécifiquement à la gestion des agents : rédiger des spécifications pour des exécutions multi-agents, faire boucler un agent pour examiner la production d'un autre, et surveiller les pipelines. Dans toutes les fonctions, l'implication humaine s'est de plus en plus abstraite d'un morceau de code ou d'un texte particulier pour se porter sur l'outillage nécessaire pour que les agents accomplissent leurs tâches efficacement.

Malgré l'augmentation de la fiabilité des agents et ces investissements importants dans l'outillage nécessaire pour les superviser, la confiance et la responsabilisation humaines restent cruciales. Un employé a expliqué que, de plus en plus, la traque des bugs « met au jour ces problèmes organisationnels, systémiques ou de dette technique qui nécessitent en réalité un certain niveau de concertation humaine, de prise de décision et de gouvernance pour être résolus ». Entretien après entretien, les employés ont décrit la coordination en personne comme indispensable. D'après les données d'agenda, l'employé médian passe 20 % de temps en réunion de plus qu'il y a un an. Cela reflète en partie la croissance de l'entreprise et une évolution vers des rôles non techniques exigeant beaucoup de réunions. Mais même parmi les employés occupant des rôles techniques de contributeur individuel, le temps passé en réunion a augmenté de 16 % au cours de l'année écoulée. Les grandes questions stratégiques touchent un large éventail de positions à fort effet de levier et nécessitent généralement des débats et des échanges avec d'autres. Une pause dans la gestion des agents ressemble généralement à un saut dans une réunion.

De manière générale, les rôles techniques comme non techniques ont vu certaines parties de mise en œuvre de leur travail être automatisées (écriture de code, identification de bugs, enregistrement de l'avancement, rédaction d'e-mails). Les ingénieurs ont décrit leur évolution vers des rôles de dirigeants et de gestionnaires d'agents ; les employés non techniques ont décrit une part croissante des aspects stratégiques de leur travail : « ces 20% qui étaient stratégiques deviennent 90% du travail. » Mais pour de nombreux rôles non techniques, le travail de mise en œuvre essentiel est aussi interpersonnel : un appel commercial, un entretien, un alignement interéquipes sur un problème complexe. Tout cela demeure humain.

Considérons également les canaux Slack qui constituent à la fois la une et les coulisses de la communication chez Anthropic. Les agents se sont diffusés dans Slack et ont fini par apparaître dans près de la moitié des canaux publics actifs. La Figure 8 zoome sur le réseau de communication d'un seul grand département, en s'appuyant sur tous les canaux Slack publics avec lesquels les membres de ce département ont interagi. Elle relie les participants humains et agents selon qu'ils ont participé à un même fil Slack. La figure montre l'ascension remarquable des agents, les points orange fleurissant et dominant le réseau.

Les agents apparaissent de manière disproportionnée dans des canaux dédiés aux interactions Claude-humains, plutôt que d'envoyer beaucoup de messages dans les canaux humains préexistants. La structure sous-jacente et la densité de la communication humaine changent peu. Les agents n'ont pas remplacé l'interaction humaine, mais s'y sont ajoutés : les fils humains de ce département ont maintenu le même nombre de réponses humaines, tout en ajoutant des réponses d'agents. Les agents deviennent des équipes pour un seul employé, plutôt que des nœuds fortement connectés à de nombreux employés à la fois.

Alors que les humains travaillent au milieu d'une flotte croissante d'agents d'IA, ils subissent une pression pour déplacer le travail humain vers des canaux visibles par les agents. Si une décision est prise lors d'une réunion en présentiel et qu'aucune note ou compte rendu n'apparaît, les agents manquent d'un contexte crucial pour mettre à jour leurs objectifs et hypothèses. Un employé a expliqué comment le fait que son nom figurait sur un document vieux de plusieurs mois au sujet de goodies Claude faisait que les agents continuaient de lui adresser des demandes de t-shirts et de mugs, longtemps après que ses responsabilités avaient changé. Le travail privé, dans des réunions non consignées et des messages directs, est invisible, source de confusion et découragé dans un environnement de travail où l'IA est omniprésente. Un chercheur a décrit cette inclination par défaut vers l'ouverture comme essentielle à l'intégration approfondie de l'IA chez Anthropic : « la plupart des organisations ne fonctionnent pas ainsi et je pense que c'est un changement majeur car les dirigeants doivent défendre le feedback au grand jour. » La nécessité d'alimenter l'IA en contexte exige l'observabilité du travail et des décisions humaines.

Qui s'épanouira dans un tel environnement de travail ? Les évolutions du contenu du travail chez Anthropic se manifestent aussi par des changements dans les compétences que les recruteurs priorisent dans leurs décisions d'embauche. Nous avons utilisé un codeur automatisé pour traiter les grilles d'évaluation d'entretien de responsables recruteurs concernant des milliers d'employés embauchés chez Anthropic depuis 2024. Ces commentaires sont des réactions qualitatives d'évaluateurs portant sur la performance des candidats. Le changement le plus net est l'accent accru mis sur la question de savoir si les candidats ont démontré une utilisation créative des outils d'IA. En 2024, les recruteurs mentionnaient le bilan des candidats en matière d'outils d'IA dans environ 5% des évaluations pour les rôles techniques, et 7% pour les rôles non techniques. D'ici 2026, ces taux avaient triplé pour les rôles techniques et quadruplé pour les rôles non techniques. Les recruteurs se concentrent de plus en plus sur la capacité des candidats à utiliser efficacement l'IA.

Des changements plus profonds dans l'évaluation sont également visibles. Parmi les entretiens de candidats techniques, les plus fortes augmentations concernaient les commentaires sur l'autonomie et le jugement des candidats. La discussion sur l'expertise du domaine a diminué en part de l'évaluation globale. Comme l'a expliqué un responsable : « je m'attends à ce que les modèles restent inégaux, donc pour mon équipe je veux qu'ils soient transférables d'un domaine à l'autre. » De même, pour les candidats non techniques, l'orientation client et mission a augmenté, tandis que la discussion sur les compétences d'exécution a diminué. Les recruteurs évaluent de plus en plus les candidats sur leur jugement et leur engagement, plutôt que sur les compétences spécifiques au domaine et l'exécution automatisées par les outils d'IA.

Ce que les employeurs peuvent faire

L'adoption profonde de l'IA chez Anthropic en fait un cas d'étude utile. À mesure que l'IA se diffuse et s'améliore, l'organisation du travail pourrait évoluer comme lors des vagues précédentes de changement technologique. Les chemins de fer ont donné naissance à l'entreprise managériale, la machine à vapeur a permis les usines, et les ordinateurs personnels ont donné les startups. Quelles nouvelles organisations les LLM utilisant des outils et raisonnant exigeront-ils, et quel sera notre rôle en leur sein ? Une possibilité est celle de startups individuelles, chacune avec un fondateur humain pilotant des essaims d'agents pour engranger des milliards de revenus. Une autre est celle d'entreprises construites par des PDG génies de l'IA n'employant des agents humains que pour manier des pipettes et témoigner devant le Congrès.

Anthropic ne ressemble à aucun de ces deux modèles. Elle a triplé de taille au cours de la dernière année. Ce n'est plus une petite startup. Elle n'a pas non plus cédé le contrôle exécutif à ses modèles. Des débats Slack écrits et des réunions en présentiel orientent tout, de la stratégie de l'entreprise aux décisions d'équipe, avec peu d'apport des agents d'IA. Maintenir le travail humain visible dans toute l'entreprise garantit que les agents autonomes raisonnent à partir d'un contexte récent. Les contributeurs individuels qui orchestrent des équipes d'agents ressemblent davantage à des gestionnaires en ce qui concerne les connaissances dont ils ont besoin et les interdépendances dans leur travail. Travailler et décider en toute transparence est essentiel dans une organisation à forte intensité d'IA.

Alors que les employés voient de plus en plus leur travail comme la gestion d'équipes de Claudes, ils passent plus de temps à construire les outils nécessaires pour le faire efficacement dans leurs propres domaines distinctifs. Cette expérimentation signifie que les employés automatisent continuellement leurs propres tâches jusqu'à les faire disparaître. Dans certains rôles, ils sont de plus en plus éloignés du travail au niveau de l'objet qui a initialement bâti leurs compétences. Alors que les agents traversent les flux de travail à toute vitesse, l'attention et le jugement humains constituent un goulot d'étranglement contre lequel le système se heurte. Des ventes au juridique, on attend des employés humains qu'ils accomplissent davantage de tâches différentes. Les rôles s'élargissent pour inclure la construction de produits, la gestion d'agents et le travail stratégique et interpersonnel qui reste hors de portée des meilleurs LLM.

Ces changements dans l'organisation et le contenu du travail sont apparus en même temps qu'une part décroissante des rôles techniques juniors dans les effectifs, les embauches et les offres d'emploi. Les responsables du recrutement se concentrent de plus en plus sur l'autonomie et le jugement des candidats, plutôt que sur l'exécution et l'expertise étroite. Globalement, la croissance du chiffre d'affaires d'Anthropic par rapport à la croissance de ses effectifs a dépassé même la rapide croissance précoce de productivité d'une génération antérieure d'entreprises technologiques.

Extrapoler ces tendances et les étendre à l'ensemble de l'économie suggère que la diffusion de l'IA pourrait risquer de provoquer le déplacement des travailleurs. Des travaux antérieurs ont également montré que les start-ups nativistes de l'IA et les adoptants de l'IA sont plus plates organisationnellement et emploient moins d'employés de premier échelon .. Que pouvons-nous apprendre d'Anthropic sur la manière de gérer les bouleversements de l'IA d'une façon qui serve les humains qui travaillent autour d'eux ?

Ici, nous voulons procéder avec prudence. Nombre des pratiques d'emploi d'Anthropic ne peuvent pas être reproduites à l'échelle de l'économie.

Mais trois caractéristiques se dégagent. Premièrement, la propriété généralisée d'actions donne aux employés un fort intérêt dans le succès de l'entreprise. Bien entendu, il s'agit d'une posture facile pour une entreprise qui a connu des augmentations substantielles de sa valorisation. Pour de nombreuses entreprises, la propriété partagée peut être insuffisante ou autrement indésirable. Mais il est difficile d'imaginer une version de l'adoption de l'IA favorable aux travailleurs dans laquelle les travailleurs ne détiennent pas d'enjeu financier dans un déploiement réussi. Si l'on attend des contributeurs individuels qu'ils « gèrent des agents », « prennent des décisions de niveau VP » et soient « leur propre ligne d'activité », comme l'ont formulé les personnes interrogées, alors l'alignement de leurs intérêts avec ceux de l'organisation est crucial. L'accord syndicat-direction forgé après la Seconde Guerre mondiale dans les années 1950 reposait précisément sur ce type de compromis : des syndicats comme les United Auto Workers et les United Steel Workers toléraient le droit de la direction de réorganiser (et même d'intensifier) le travail en échange d'augmentations de salaire liées aux gains de productivité et d'un riche éventail d'avantages. Quel que soit le nouvel accord entre les employés affectés par l'IA et leurs employeurs, un mécanisme de partage des bénéfices de l'adoption est essentiel. Chez Anthropic, les travailleurs codifient leur expertise pour la machine, voient leurs routines de travail constamment bouleversées et perturbées, et ont vu une grande partie de leur travail devenir la lecture rapide des résultats de leurs collaborateurs en IA. Ils ne font pas cela gratuitement.

Deuxièmement, Anthropic met en place un système d'alerte précoce permanent pour surveiller les emplois confrontés à une transformation induite par l'IA. Une série de métriques au niveau des rôles, portant sur la demande et la productivité, est confrontée aux capacités et usages de l'IA. Ces métriques agrégées aident à signaler où le travail se déplace. Un système d'alerte précoce permet à l'entreprise de commencer à réaffecter les employés touchés vers des emplois correspondant à leurs compétences et peut-être moins immédiatement menacés. À mesure que les entreprises de l'ensemble de l'économie se réorientent vers un rythme accéléré de réorganisation du travail, des systèmes efficaces pour guider la réaffectation interne des employés deviendront de plus en plus précieux. Se tourner vers le marché du travail externe pour répondre à chaque nouvelle tâche exigée par les avancées de l'IA constituera un goulot d'étranglement d'autant plus fort que l'IA progressera rapidement. Dans ce rapport, nous avons constaté une mobilité accrue entre les départements, un contenu du travail en évolution et des employés passant à de nouvelles tâches à mesure que les anciennes étaient automatisées. Construire des systèmes pour réaffecter flexiblement les travailleurs en interne sera essentiel pour les organisations à forte intensité d'IA.

Cet engagement en faveur de la réaffectation interne des travailleurs soulève d'importants arbitrages. Un marché du travail bien fonctionnel devrait déplacer les travailleurs vers leurs positions les plus productives, que ce soit chez leur employeur actuel ou chez un autre. Des engagements de réaffectation des salariés en place pourraient rendre les employeurs hésitants à prendre le risque d'embaucher de nouveaux employés. Dans des conditions économiques normales, particulièrement dans un contexte très concurrentiel, de tels engagements pourraient être coûteux.

Mais donner la priorité à la réaffectation force les entreprises adoptant l'IA à envisager les moyens par lesquels l'IA peut créer de nouvelles tâches pour de nouveaux produits et de nouveaux marchés, plutôt que de canaliser les applications de l'IA vers le remplacement des travailleurs humains pour économiser sur les coûts de main-d'œuvre. Cela pourrait aider les employeurs à résister à la tentation de l'automatisation «médiocre » ou «peu efficace», dans laquelle l'IA ou d'autres technologies surpassent de justesse les travailleurs humains : les employeurs remplacent les travailleurs humains, imposant des coûts sociaux substantiels en perte de revenus pour les travailleurs déplacés, tout en apportant des bénéfices de productivité minimes.

D'après ce que nous observons chez Anthropic, des tâches à la fois inédites et persistamment humaines demeurent aux côtés d'une utilisation intensive de l'IA. L'incertitude quant à l'ensemble futur de ces tâches devrait plaider pour la préservation d'une main-d'œuvre flexible. Comme l'a noté un dirigeant d'Anthropic, « une main-d'œuvre anxieuse et inquiète n'est pas une main-d'œuvre qui fait son meilleur travail ».

Aucune de ces actions n'empêchera une IA puissante de bouleverser les emplois. Et en effet, aucune ne s'attaque directement au ralentissement des embauches de juniors documenté dans ce rapport. Les protections de l'emploi pour les personnes en poste ne bénéficieront pas à celles qui n'ont pas été embauchées en premier lieu. L'action privée de la part des employeurs doit s'accompagner d'une politique gouvernementale prospective en matière de reconversion et de soutien au revenu. Une telle politique devrait être guidée par une vision claire de l'ampleur de la transformation du lieu de travail que l'IA peut apporter.

Citation suggérée

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = sep,

url = {https://anthropic.com/research/<SLUG-TBC>}

}

Remerciements

Nous remercions les employés d'Anthropic qui ont consacré du temps à des entretiens sur l'évolution de leur travail. Pour leurs commentaires très utiles et leur assistance, nous remercions Kate Astbury, Shehzad Bashir, Zoe Blumenfeld, Scott Booth, Henry Brill, Yena Cho, Henry de Valence, Adam Farina, Johannes Hermle, Zoe Hitzig, , Hasnain Lakhani, Eva Lyubich, Kerry Persen, Kristina Pham, Sarah Pollack, Hannah Pritchett, Georg Rilinger, Santi Ruiz, Szymon Sacher, Florian Scholz, Meg Tong, Monika Tuchowska, Helen Wang, Kim Withee, Charles Yang et Jack Clark.

Œuvres citées

Acemoglu, Daron, et Pascual Restrepo. 2019. « Automation and New Tasks: How Technology Displaces and Reinstates Labor. » Journal of Economic Perspectives 33 (2) : 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, et Nathan Zorzi. 2025. « Inefficient Automation. » Review of Economic Studies 92 (1) : 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, et Liyuan Yang. 2026. « Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools. » NBER Working Paper 35275. https://doi.org/10.3386/w35275

Ewens, Michael, et Xavier Giroud. 2025. « Corporate Hierarchy. » NBER Working Paper 34162. https://doi.org/10.3386/w34162

Favaro, Marina, et Jack Clark. 2026. « When AI Builds Itself. » The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, et Peter McCrory. 2026. « Agentic Coding and Persistent Returns to Expertise. » Anthropic, 16 juin. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, et Guy Lichtinger. 2025. « Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data. » SSRN Working Paper 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, et Deep Ganguli. 2025. « How AI Is Transforming Work at Anthropic. » Anthropic, 2 décembre. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, et Rembrand Koning. 2026. « AI-Native Firms. » Harvard Business School Working Paper 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, et Maxim Massenkoff. 2026. « An Evidence Review of Subsidized Job Training. » The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

Notes de bas de page

1. Les estimations d'Anthropic proviennent des registres financiers et d'effectifs internes pour les douze mois jusqu'en avril 2026 (environ cinq ans après la création de l'entreprise). Les chiffres d'emploi et de revenus de Google et Meta sont basés sur les dépôts de formulaires 10-K à 5 ans après la création (2003 et 2009, respectivement). Tous les chiffres sont déflatés en dollars de 2025.

Contenu associé

Concevoir des circuits quantiques plus efficaces avec Claude

Nous avons donné à Claude des spécifications en langage naturel pour huit circuits quantiques, ainsi qu'un évaluateur automatisé pour vérifier et noter ses conceptions. En travaillant en grande partie de manière autonome, Claude a amélioré les meilleurs circuits publiés, dans certains cas d'un ordre de grandeur ou plus, ce qui pourrait rapprocher les ordinateurs quantiques pratiques plus tôt que prévu.

Claude révèle les origines de la courbe ECDSA

Le mystère vieux de plusieurs décennies concernant les origines de l'un des standards cryptographiques les plus populaires a été élucidé.

Le fossé des attentes concernant l'IA

Comment l'IA remodelera-t-elle l'économie dans les années à venir ? Quelle est la source principale du désaccord sur l'impact futur de l'IA sur l'économie ? Cette note présente de nouvelles données d'enquête sur ces questions.