Agents IA et productivité en entreprise : les leçons d'Anthropic

Le 16 octobre 2026, Anthropic a publié un rapport sur l'évolution du travail dans ses propres équipes : depuis mars 2026, les agents IA pilotés par ses salariés cumulent plus d'heures de travail que les salariés eux-mêmes, et en août le rapport était de six pour un. Pour une entreprise, la leçon la plus utile n'est pas ce chiffre spectaculaire. C'est ce qui freine encore : les agents passent l'essentiel de leur temps à attendre une décision humaine, et la productivité dépend d'abord de la façon dont on organise le travail autour d'eux.

Qu'a publié Anthropic exactement ?

L'éditeur de Claude a mis en ligne deux études le même jour, présentées dans un article de synthèse. La première, « How employment is changing at Anthropic », analyse les données d'usage internes et 17 entretiens de salariés. La seconde, « The AI expectations gap », compare les attentes de ses équipes à celles de près de 11 000 adultes américains interrogés en août par Morning Consult.

Le chiffre qui a fait le tour des réseaux vient de la première étude. Il faut bien comprendre comment il est construit. Les « heures d'agent » sont mesurées à partir des journaux d'activité : le temps pendant lequel le modèle réfléchit ou utilise un outil, en excluant les pauses de plus de 30 minutes. Les « heures humaines » sont simplement l'effectif multiplié par 40 heures par semaine. Il ne s'agit donc pas de six fois plus de travail utile, mais de six fois plus de temps machine que de temps humain contractuel.

Autrement dit, c'est un indicateur d'intensité d'usage, pas une mesure de productivité. Anthropic le dit d'ailleurs elle-même en qualifiant le volume de code produit de mesure « notoirement imparfaite ».

Quels résultats chiffrés Anthropic annonce-t-elle ?

Le rapport donne plusieurs indicateurs, tous issus des données internes de l'entreprise :

Côté commercial, le rapport cite un responsable de comptes pour qui les automatisations ont remplacé environ 20 % de ses tâches et lui permettent d'échanger avec 30 % de clients en plus. C'est un témoignage individuel, pas une moyenne.

Notre lecture : ces chiffres décrivent une entreprise qui a fait de l'agent IA un outil de travail quotidien pour tous ses métiers, pas seulement pour les développeurs. Et ils montrent aussi un effet qu'on retrouve sur le terrain : plus on délègue aux agents, plus le travail humain se déplace vers la préparation, le contrôle et la coordination.

Pourquoi les agents IA attendent-ils 80 % du temps ?

C'est la donnée la plus intéressante du rapport pour un dirigeant. Selon Anthropic, les sessions de Claude passent environ 80 % de leur durée à attendre une réponse humaine. Le rapport en tire une conclusion nette : l'attention humaine est devenue le goulot d'étranglement.

Concrètement, un agent IA (un programme qui s'appuie sur un modèle de langage pour enchaîner des actions : lire un document, interroger un outil, rédiger, puis rendre la main) avance vite tant qu'il sait quoi faire. Il s'arrête dès qu'il a besoin d'une validation, d'une précision ou d'un accès. Si personne ne répond, il attend.

Les salariés d'Anthropic ont réagi en construisant ce que le rapport appelle du méta-travail : rédiger des cahiers des charges pour les agents, faire relire le travail d'un agent par un autre, mettre en place des tableaux de suivi, documenter les processus pour qu'ils soient lisibles par une machine. Les ingénieurs se décrivent comme des « managers de Claude ».

Pour une PME, la traduction est directe. Le gain ne vient pas de l'agent seul, mais de trois choses autour :

• Des règles de décision écrites. Ce que l'agent peut faire seul, ce qu'il doit faire valider, et par qui.
• Des points de contrôle groupés. Valider vingt brouillons d'un coup en fin de matinée plutôt qu'être interrompu vingt fois.
• Une information accessible. Le rapport insiste sur l'importance de garder le travail visible dans des canaux que les agents peuvent lire. Une procédure qui n'existe que dans la tête d'un salarié ne peut pas être suivie par un agent.

Ces résultats sont-ils transposables à une PME ?

En partie seulement, et Anthropic le reconnaît. Le rapport précise que de nombreux aspects de ses pratiques « ne peuvent pas être reproduits » dans le reste de l'économie. L'entreprise a triplé de taille en un an, elle conçoit elle-même les modèles qu'elle utilise et ses équipes ont une culture technique très forte. Le rapport signale aussi des biais de méthode : les salariés qui ont adopté les agents étaient déjà plus productifs avant, et la qualité du code est difficile à évaluer, car les erreurs d'une IA peuvent être plus difficiles à repérer que celles d'un humain.

L'écart d'attentes est d'ailleurs frappant. Selon la seconde étude, les salariés d'Anthropic estiment en moyenne que l'IA pourra faire 75 % de leurs heures de travail actuelles d'ici 2030, contre 28 % pour les travailleurs américains interrogés.

En France, la situation de départ est très différente. D'après l'étude de la Banque de France publiée le 3 septembre 2026, plus des deux tiers des entreprises d'au moins 20 salariés déclaraient utiliser des outils d'IA générative début 2026. Mais la plupart s'en servent surtout via des outils généralistes, pour des fonctions support comme l'administration ou le commercial. Les usages plus spécialisés, intégrés au cœur des processus, restent concentrés dans les secteurs à forte intensité de connaissances.

C'est là que se trouve l'écart : la majorité des entreprises utilisent un assistant conversationnel, très peu ont confié un processus entier à un agent. Et c'est ce second usage qui produit les chiffres d'Anthropic.

Faut-il s'attendre à moins de recrutements de juniors ?

C'est le point qui a le plus fait réagir. La part des profils juniors dans les recrutements techniques d'Anthropic est passée de 27 % à 9 %, et leur part dans l'effectif technique de 21 % à 14 % depuis début 2025. Le rapport ne parle pas de licenciements : l'entreprise a continué à recruter massivement, mais différemment.

Pour une PME, on ne recommande pas d'en tirer une règle. Les tâches que les agents absorbent le mieux (premières versions, recherches simples, réponses répétitives) sont aussi celles qui servaient à former les débutants. Supprimer ces postes sans repenser la formation, c'est se priver des profils expérimentés de demain. La vraie question est plutôt : quelles tâches à faible valeur peut-on retirer à vos équipes, et que leur confie-t-on à la place ?

Par où commencer pour obtenir ce type de gains ?

Inutile de viser six agents par salarié. Les gains les plus rapides viennent d'un processus bien choisi, avec un volume réel et des règles claires.

Le support client est souvent le meilleur point de départ : les questions sont répétitives, la documentation existe, et un agent peut répondre seul tout en passant la main à un humain quand la demande sort de son périmètre. Chez Peps Digital, l'agent qu'on a construit sur leur documentation produit traite 80 % des demandes support sans intervention humaine, avec une escalade vers l'équipe pour le reste. On détaille cette approche sur notre page dédiée aux agents de support client.

Deux erreurs reviennent souvent. La première est de lancer un pilote sans indicateur de départ : sans mesure avant, impossible de prouver un gain après. La seconde est de ne pas prévoir le contrôle humain, ce qui reproduit le goulot décrit par Anthropic. On explique comment éviter les deux dans notre article sur les POC qui ne passent jamais en production et dans notre guide pour évaluer un agent en production.

Ce qu'on en retient pour votre entreprise

Mesurer le temps d'attente, pas seulement le temps gagné. Si un agent produit vite mais que les validations s'accumulent, le gain réel est faible. Suivez le délai entre la proposition de l'agent et la décision humaine.

Écrire les règles avant de déployer. Listez ce que l'agent peut faire seul, ce qui demande une validation et qui valide. C'est ce travail de cadrage, plus que le choix du modèle, qui fait la différence.

Partir d'un processus, pas d'un outil. Choisissez un flux à fort volume et à règles claires (support, qualification de demandes, traitement de documents), fixez un indicateur de départ, et comparez après quelques semaines.

Questions fréquentes

Les agents IA d'Anthropic font-ils vraiment six fois plus de travail que ses salariés ?

Non, pas au sens strict. Le rapport compare le temps d'activité des agents, mesuré dans leurs journaux, au temps de travail contractuel des salariés. C'est un indicateur d'usage, pas une mesure de travail utile ou de qualité.

Quelle est la différence entre un assistant IA et un agent IA ?

Un assistant répond à une question dans une conversation. Un agent enchaîne plusieurs actions de lui-même (consulter un outil, lire un document, rédiger, mettre à jour un logiciel) pour mener une tâche à son terme, puis rend la main pour validation.

Une PME peut-elle obtenir des gains comparables ?

Pas à l'échelle d'Anthropic, mais sur un processus ciblé, oui. Les gains les plus nets apparaissent sur des tâches répétitives avec une documentation existante, à condition d'organiser la validation humaine dès le départ.

Les agents IA vont-ils remplacer des salariés ?

Le rapport d'Anthropic montre surtout un déplacement du travail : moins de tâches d'exécution, plus de pilotage, de contrôle et de coordination. Il signale aussi moins de recrutements juniors, une tendance à anticiper plutôt qu'à subir.