Anthropic a publié son rapport sur l’indice économique le 15 septembre 2025, fournissant une analyse détaillée de la façon dont l’intelligence artificielle est adoptée dans différentes géographies et au sein des entreprises. L’étude utilise des données de première partie d’Anthropic Claude.ai et des API d’entreprise pour suivre les modèles d’utilisation, révélant que si l’adoption de l’IA se produit plus rapidement que toute technologie précédente, elle reste inégalement distribuée.
L’adoption de l’IA se produit plus rapidement que les technologies précédentes
Selon une enquête Gallup en 2025 citée dans le rapport, 40% des employés américains utilisent désormais l’IA au travail, un chiffre qui a doublé par rapport à 20% en 2023. Ce taux d’adoption dépasse considérablement les technologies historiques.
- Ordinateurs personnels: Il a fallu 20 ans au PC pour entrer dans la majorité des maisons américaines après son introduction à grand public en 1981.
- Électricité: L’extension du réseau électrique aux ménages agricoles ruraux a pris plus de 30 ans.
- Internet: Il a fallu environ cinq ans sur Internet pour atteindre les niveaux d’adoption que l’IA générative a atteints en seulement deux.
Le rapport attribue cette vitesse au large utilitaire de l’IA, à son intégration avec l’infrastructure numérique existante et à sa facilité d’utilisation.
L’utilisation géographique révèle une fracture mondiale
Pour la première fois, le rapport fournit une rupture géographique de l’utilisation de Claude.ai dans plus de 150 pays et tous les États américains. Pour mesurer cela, Anthropic a introduit l’indice d’utilisation de l’IA (AUI), qui calcule l’utilisation par rapport à la population de l’âge ouvrière. L’AUI montre une forte corrélation avec le revenu national. Les pays à revenu élevé présentent des taux d’adoption beaucoup plus élevés que les économies émergentes.
- Adoption élevée: Singapour a le plus élevé AUI à 4,6 fois son utilisation attendue, suivie du Canada à 2,9 fois.
- Adoption faible: En revanche, l’AUI de l’Inde est de 0,27 et le Nigéria est de 0,20.
Aux États-Unis, Washington, DC (3,82) et Utah (3,78) sont en cours de consommation par habitant. Le rapport a également révélé que la diversité des tâches est plus importante dans les régions à haute adoption, qui utilisent l’IA pour un large éventail de fins éducatives, scientifiques et commerciales. Dans les pays à faible addition, l’utilisation est plus concentrée, le codage représentant plus de 50% des tâches en Inde.
Comment les entreprises utilisent l’IA via des API
Le rapport offre une vue unique et à grande échelle de la façon dont les entreprises intégrent l’IA via le trafic API. Ces données révèlent que l’utilisation de l’entreprise est fortement axée sur l’automatisation. Les résultats clés des données de l’entreprise incluent:
- Focus des tâches: Les tâches de codage et de bureau / administratif sont les utilisations les plus courantes de l’API.
- Automatisation élevée: 77% des utilisations de l’API d’entreprise sont pour l’automatisation, où une tâche est entièrement déléguée à l’IA. Ceci est significativement plus élevé que le taux d’automatisation d’environ 50% observé dans l’utilisation des consommateurs de Claude.ai.
- Capacité à coût: Les entreprises montrent une faible sensibilité aux prix, indiquant qu’elles priorisent la capacité de l’IA à effectuer des tâches complexes sur le coût de ces tâches.
- Des goulots d’étranglement à une utilisation avancée: Le rapport identifie la modernisation des données comme un défi clé. Les entreprises doivent investir dans la organisation de données contextuelles de haute qualité pour permettre à l’IA d’effectuer des travaux plus complexes dans des domaines tels que l’analyse juridique ou les diagnostics médicaux.
Pour soutenir une analyse plus approfondie de la communauté de la recherche, Anthropic a open source l’ensemble de données sous-jacent au rapport. Les données comprennent des modèles d’utilisation au niveau des tâches pour Claude.ai et l’API d’entreprise, permettant aux chercheurs d’étudier indépendamment les effets économiques de l’IA sur les marchés du travail, les moteurs d’adoption et l’automatisation des tâches.
