Le 26 juin 2026, Anthropic a publié un nouveau volet de son Economic Index, baptisé « Cadences ». Premier chiffre qui devrait retenir l'attention de tout dirigeant : 93 % des sessions sur Claude débouchent sur un livrable concret, un document, une analyse, un bout de code. L'assistant qui répondait à des questions est devenu un collègue qui rend du travail. Et les données disent assez précisément lequel.

L'assistant qui répondait aux questions rend désormais des livrables

Il y a un an, une session sur Claude ressemblait à une conversation entre un utilisateur et un assistant. Avec la montée en charge de Claude Code et de Cowork, ces sessions se sont allongées et transformées en tâches qui produisent quelque chose. Le rapport range chaque conversation selon son « artefact », sa production principale, dans plus de trente catégories. Verdict : 93 % des conversations aboutissent à un livrable identifiable. Les plus fréquents sont les explications (17 %), les documents et rapports (15 %) et les guides pratiques (11 %).

Le rapport tire son nom de ces « cadences » : l'usage de Claude épouse le rythme de la semaine. La part des conversations personnelles grimpe d'environ 35 % en semaine à près de 50 % le week-end, et les requêtes liées aux impôts ont bondi à huit fois leur niveau habituel juste avant l'échéance fiscale américaine du 15 avril. Quand les gens travaillent le soir ou le week-end, les tâches penchent vers les métiers les mieux rémunérés. L'IA s'est glissée dans les habitudes, pas seulement dans les outils.

Le classement par finalité affine le tableau. Les sorties conversationnelles, explications et recommandations, pèsent environ un tiers des conversations ; les livrables écrits, documents et présentations, un autre tiers ; le code et le travail technique, à peu près un sixième. Autrement dit, l'essentiel de ce que produit Claude n'est pas du code, contrairement à l'image que beaucoup s'en font, mais de l'écrit professionnel.

Filtrez sur le seul usage professionnel et l'image se resserre encore. Les conversations de travail produisent d'abord des documents et rapports (20 %), puis des explications (9 %), des brouillons d'emails (7 %) et des analyses ou synthèses (6 %). Certaines catégories sont presque exclusivement professionnelles : l'écriture de requêtes de base de données (82 % d'usage pro), la rédaction d'articles ou de billets (81 %) et la création de contenus marketing (80 %).

Un même livrable ne dit pas toujours son usage. Les plans et stratégies se répartissent presque à égalité entre travail (44 %) et usage personnel (49 %), tout comme la traduction (42 % contre 44 %). Côté pro, ces plans relèvent surtout de stratégies d'entreprise ou de contenu ; côté perso, d'itinéraires de voyage ou de programmes d'entraînement. La frontière passe par l'intention, pas par le format.

À quoi ressemble cette liste ? À la semaine type d'un cadre. Rédiger une note, comparer deux versions d'un dossier, résumer un rapport de 60 pages, préparer un mail délicat : voilà ce que les gens confient déjà à l'IA, en masse. Pour une direction juridique ou une direction financière, ces livrables ne sont pas un usage de bordure, ils sont le cœur du métier. L'IA ne grignote pas les marges du travail de bureau, elle vise son centre.

Plus le travail vaut cher, plus l'IA s'y investit

La puissance de calcul dépensée suit la valeur du travail, et c'est sans doute le constat le plus contre-intuitif du rapport. Anthropic mesure le coût de chaque conversation en tokens, le texte traité et généré, raisonnement interne compris, puis rattache chaque tâche au métier qui l'exerce d'ordinaire. Un directeur marketing gagne environ le double d'un éditeur (80 dollars de l'heure contre 37), et les conversations liées à ses tâches consomment à peu près 2,5 fois plus de tokens. Bâtir une application réclame plus de trois fois le nombre de tokens d'une conversation médiane, là où une simple explication en demande le cinquième.

Le schéma tient au niveau des métiers. Une conversation rattachée à une profession du tiers supérieur des salaires consomme 2,07 fois plus de tokens qu'une conversation du tiers inférieur. Près de 44 % de cet écart s'explique par le type de livrable produit : les métiers les mieux payés génèrent des sorties plus lourdes à fabriquer.

Voici le détail qui compte pour un dirigeant. Sur les tâches à forte valeur, Claude produit davantage (1,34 fois plus de contenu par tour), mais l'utilisateur s'implique aussi davantage (1,53 fois plus d'échanges) et active plus souvent la réflexion étendue (34 % des conversations contre 31 %). Les deux montent ensemble. Une production accrue de l'IA ne rime pas avec un retrait de l'humain. Anthropic en tire une lecture claire : sur le travail le plus précieux, le schéma ressemble davantage à de l'augmentation qu'à du remplacement.

La qualité suit la même pente. Un classifieur estime le niveau de lecture de chaque échange en années d'études : une demande qui aboutit à un article académique en réclame plus de 16, soit un niveau licence, et 15 % de ces conversations atteignent le niveau doctorat. Détail parlant pour qui relit des productions au quotidien : Claude répond en moyenne un cran au-dessus du niveau de la question posée, l'écart se creusant sur les sorties visuelles (+2,6 années d'études) et s'effaçant presque sur l'écrit destiné à être publié, billets de blog ou emails.

Pour une société de gestion ou un cabinet de conseil, le message est rassurant et exigeant à la fois. Rassurant, parce que l'expertise garde la main là où elle crée le plus de valeur. Exigeant, parce que cette main doit savoir relire, arbitrer et valider, pas seulement cliquer.

Le produit compte plus que le modèle

C'est sans doute le résultat le plus utile pour qui pilote un déploiement. Anthropic note le degré d'autonomie laissé à Claude sur une échelle de 1 à 5. Sur 26 des 31 types de livrables étudiés, ce degré est plus élevé dans Claude Code que dans le chat ou Cowork, avec un écart moyen de 0,37 point, et jusqu'à 0,53 point pour les scripts.

Un exemple rend la chose concrète. Pour produire un article de blog, la conversation médiane dans le chat ou Cowork demande 13 allers-retours avec l'utilisateur. La même production, dans Claude Code, tient en moyenne en une seule consigne humaine. Même livrable, façon de travailler très différente.

Et si tout se jouait sur le modèle ? L'hypothèse est tentante : Claude Code tourne sur le modèle le plus capable bien plus souvent (54 % des sessions sous Opus, contre 10 % côté chat et Cowork). Sauf que l'écart persiste à modèle identique : sur Sonnet, Claude Code conserve 0,26 point d'autonomie en plus. La conclusion d'Anthropic est sans ambiguïté : le produit utilisé compte probablement plus que le modèle sous-jacent.

Pensez à une voiture. Le moteur compte, mais entre une citadine et un camion équipés du même bloc, ce n'est pas le moteur qui décide de ce que vous transportez. Pour l'IA, c'est pareil. La surface choisie, la façon de découper le travail, les points de validation, l'accès aux bons fichiers : tout cela pèse plus lourd que le numéro de version du modèle. D'après notre expérience, c'est là que se joue la différence entre une démo réussie et un usage qui tient en production, et c'est le cœur d'un déploiement de Claude Cowork bien mené, puis d'une formation qui ancre les bons réflexes.

Ceux qui délèguent le plus sont les plus optimistes

Le rapport ajoute cette fois une enquête reliée, par un système préservant la confidentialité, à l'usage réel d'environ 9 700 répondants. Près de 6 personnes sur 10 s'attendent à ce que l'IA prenne en charge une part plus grande de leurs tâches l'an prochain. Plus d'un tiers anticipent qu'elle pourra faire la plupart, voire la quasi-totalité de leur travail d'ici douze mois.

Le facteur qui explique le mieux ces perceptions n'est ni le pays ni le diplôme, c'est la part d'automatisation, autrement dit la fréquence à laquelle l'utilisateur confie une tâche entière à Claude. Et contrairement à l'intuition, les utilisateurs qui délèguent le plus se montrent les plus optimistes sur les six dimensions testées : rémunération, sécurité de l'emploi, capacité à retrouver un poste, sens du travail, autonomie et relations humaines. Les effets les plus marqués portent sur le salaire futur et la facilité à retrouver un emploi.

Est-ce de l'enthousiasme aveugle ? Les chiffres d'usage disent le contraire. Les répondants rapportent des gains de productivité en vitesse (86 %), en ampleur des tâches traitées (82 %) et en qualité (69 %), et 27 % économisent sur des prestations qu'ils auraient dû acheter. Surtout, 68 % déclarent apprendre davantage avec l'IA et 57 % estiment que leurs compétences ont gagné en valeur. Ceux qui délèguent le plus apprennent au même rythme que les autres, ce qui tord le cou à la crainte d'un cerveau qui s'atrophie, même si ces réponses restent déclaratives.

Pourquoi délégation et optimisme avancent-ils ensemble ? Anthropic teste l'idée d'une simple sélection, les plus enthousiastes étant aussi les plus enclins à déléguer, et le lien tient même en neutralisant l'ancienneté sur Claude. L'expérience directe de ce que l'outil sait faire, davantage que la conviction de départ, semble nourrir la sérénité. Ces résultats prolongent une vague d'entretiens menés fin 2025 auprès de 81 000 utilisateurs, qui montraient déjà de forts gains de productivité doublés d'inquiétudes sur le déplacement des emplois.

Interrogés sur ce qu'ils espèrent d'une économie transformée par l'IA dans dix ans, les répondants citent surtout la collaboration avec la machine sur un travail qui a du sens (plus de la moitié) et l'automatisation des tâches ingrates pour gagner du temps (un peu plus de la moitié). Près d'un tiers ajoutent le souhait d'un partage large des gains. Personne ne rêve d'être remplacé, beaucoup rêvent d'être déchargés.

L'inquiétude n'a pas disparu pour autant. 10 % jugent probable ou très probable de perdre leur propre emploi dans l'année, et plus d'un tiers estiment à plus de 60 % le risque pour un collègue junior. La peur se concentre sur les débuts de carrière, un point que nous avons creusé à propos de la peur de l'IA au travail. La leçon pour un déploiement est limpide : faire manipuler l'outil tôt, sur de vraies tâches, désamorce l'angoisse mieux qu'un discours rassurant, à condition que le management porte le sujet au lieu de le confier à l'outil.

Ce que l'Economic Index change pour votre déploiement

Un signal mérite l'attention des directions européennes. Les salariés les plus expérimentés, ceux qui cumulent au moins quinze ans de métier, estiment que l'IA peut faire environ 10 points de pourcentage de tâches en moins que les débutants. Interrogés sur ce que l'IA ne saura jamais faire, ils citent le jugement, la lecture du contexte, la confiance et le management des personnes. La consigne pratique tient en une phrase : automatisez la corvée, gardez le jugement côté humain.

La géographie raconte la même histoire. Les pays à haut revenu déclarent une exposition plus faible d'environ 10 points et se servent de l'IA davantage comme d'un collaborateur que d'un pilote automatique. Le réflexe européen, garder un humain dans la boucle, colle aux secteurs régulés que nous accompagnons. Reste le déficit de pratique : d'après Bpifrance, 26 % des PME françaises utilisent l'IA au quotidien, mais à peine 12 % des salariés ont été formés. Beaucoup d'outils, peu de mains formées, alors même que l'enquête mondiale de McKinsey situe à 65 % la part d'organisations utilisant l'IA générative dans au moins une fonction début 2026.

Que faire de tout cela quand vous dirigez ? Concrètement, commencez là où l'IA crée déjà de la valeur, c'est-à-dire les livrables de bureau, documents, analyses, mails et synthèses, plutôt que de chercher l'usage le plus visible. Choisissez ensuite la bonne surface et dessinez le flux de travail, au lieu de miser sur le seul modèle. Cadrez enfin l'adoption comme une délégation qui fait grandir les compétences, pas comme une menace. Ce chemin évite le piège du POC qui ne passe jamais en production, et c'est exactement la méthode que nous appliquons chez nos clients.

L'Economic Index dessine une image cohérente. L'IA produit déjà des livrables de cadre, elle s'investit le plus là où le travail vaut le plus, et la manière de l'outiller pèse davantage que le modèle retenu. Pour une direction, la question n'est plus de savoir si Claude sait faire, mais où le brancher et comment cadrer la main qui valide. Envie de partir de vos propres livrables plutôt que d'une démonstration générique ? Réservez une démo et nous bâtirons votre déploiement gouverné de Claude Cowork sur vos cas réels.