SociétéThe Decoder1h

Les hommes utilisent les agents IA de codage plus de deux fois plus souvent que les femmes en sciences sociales, selon Anthropic

Résumé IASource uniqueImpact UE

Une étude publiée par Anthropic révèle que les chercheurs en sciences sociales portant des prénoms typiquement masculins utilisent des agents de codage basés sur l'IA plus de deux fois plus souvent que leurs homologues aux prénoms féminins. Cet écart persiste même à discipline et niveau de carrière comparables, ce qui suggère que la variable déterminante est bien le genre et non le domaine ou l'ancienneté. Les économistes affichent le taux d'adoption le plus élevé, à 39 %, tandis que les chercheurs en sciences de l'éducation se situent à seulement 4 %.

Ce fossé est particulièrement significatif car il dépasse largement le différentiel observé pour l'usage général de l'IA. Autrement dit, les femmes ne sont pas simplement moins nombreuses à utiliser l'intelligence artificielle en général : elles s'approprient spécifiquement moins les outils d'automatisation du code, ceux-là mêmes qui promettent des gains de productivité substantiels dans la recherche quantitative. Dans un contexte où ces outils deviennent des avantages compétitifs réels, un tel écart pourrait creuser des inégalités de carrière entre chercheurs.

Cette étude s'inscrit dans une série de travaux qui interrogent l'adoption différenciée des technologies selon le genre. Anthropic, dont le modèle Claude est largement utilisé dans les environnements académiques, dispose d'une position privilegiée pour observer ces dynamiques à grande échelle. La question qui se pose désormais est de savoir si cet écart reflète des différences d'accès, de formation ou d'incitation, et quelles interventions pourraient le réduire avant qu'il ne se cristallise durablement dans les pratiques de recherche.

Impact France/UE

Le fossé de genre dans l'adoption des agents de codage IA affecte également les chercheurs européens, risquant d'accentuer les inégalités de carrière dans les universités et institutions de recherche de l'UE.

Dans nos dossiers

Anthropic Agents IA

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.

À lire aussi

1The Decoder

Selon Anthropic, les compétences en IA s'accumulent avec le temps, ce qui pourrait creuser les inégalités

Anthropic a publié les résultats de son deuxième Economic Index, une étude qui suit l'évolution de l'usage de son modèle Claude à travers l'économie. Le constat central est clair : plus les utilisateurs emploient Claude sur la durée, plus leurs résultats s'améliorent. Autrement dit, l'IA est une compétence qui s'acquiert — et cette compétence produit des gains croissants pour ceux qui la maîtrisent. Ce phénomène d'apprentissage cumulatif soulève une question de fond sur les inégalités. Si les gains liés à l'IA augmentent avec l'expérience, ceux qui ont accès à ces outils en premier — et le temps de les apprivoiser — prendront une longueur d'avance durable sur les autres. Les travailleurs qualifiés, les entreprises technologiques et les pays développés risquent ainsi de creuser l'écart avec ceux qui n'ont pas encore adopté ces outils, faute de moyens, de formation ou d'infrastructure numérique. Anthropic n'en est pas à son premier signal sur les effets économiques de l'IA générative. Ce deuxième Index s'inscrit dans une démarche de transparence et de documentation que peu d'acteurs du secteur pratiquent à cette échelle. Le débat sur l'impact de l'IA sur l'emploi et les inégalités est désormais alimenté par des données réelles d'usage, et non plus de simples projections théoriques. La question qui se pose maintenant aux décideurs politiques est de savoir comment démocratiser l'accès à ces compétences avant que l'écart ne devienne structurel.

UELes décideurs européens, déjà engagés sur l'AI Act, devront intégrer la fracture des compétences IA dans leurs politiques de formation professionnelle et d'inclusion numérique pour éviter un creusement structurel des inégalités au sein de l'UE.

SociétéActu

1 source

2The Decoder

Les chatbots IA progressent sept fois plus vite que les réseaux sociaux, mais restent quatre fois moins fréquentés

Le trafic vers les chatbots d'intelligence artificielle croît sept fois plus vite que celui des réseaux sociaux, mais reste quatre fois inférieur en volume total, selon une analyse publiée par Similarweb. Ces données portent sur les principales plateformes de conversation IA, dont ChatGPT d'OpenAI, Gemini de Google et Claude d'Anthropic, et révèlent des différences notables entre ces deux catégories de services numériques, notamment dans les habitudes d'utilisation selon les appareils et les comportements des utilisateurs. Ce rythme de croissance exceptionnel illustre l'adoption massive et rapide des outils d'IA conversationnelle par le grand public, mais l'écart de volume avec les réseaux sociaux rappelle que ces derniers restent ancrés dans le quotidien numérique de milliards de personnes. Pour les acteurs du secteur tech, cela signifie que le marché de l'IA conversationnelle est encore loin de sa maturité et que les marges de progression restent considérables. La question des usages par appareil est particulièrement stratégique : les chatbots sont aujourd'hui davantage utilisés sur ordinateur, là où les réseaux sociaux dominent sur mobile. Cette dynamique s'inscrit dans un contexte de compétition intense entre les grandes plateformes d'IA, qui multiplient les mises à jour et les nouvelles fonctionnalités pour capter des parts de marché. Les réseaux sociaux, eux, ont bénéficié de deux décennies d'intégration dans les usages quotidiens. Si la trajectoire actuelle se maintient, l'écart de trafic entre les deux catégories pourrait se réduire significativement dans les prochaines années, à mesure que l'IA s'intègre dans davantage d'applications et de flux de travail professionnels.

SociétéOutil

1 source

3Ars Technica AI

Anthropic a-t-il mesuré les capacités théoriques de l'IA sur le marché du travail ?

Anthropic a publié ce mois-ci un rapport sur l'impact de l'intelligence artificielle sur le marché du travail, accompagné d'un graphique qui a rapidement circulé dans les milieux spécialisés. Ce visuel compare, sur 22 catégories professionnelles, l'« exposition observée » actuelle des métiers aux grands modèles de langage (en rouge) à leur « capacité théorique » (en bleu). Au premier regard, la zone bleue est saisissante : elle suggère que les systèmes basés sur des LLM pourraient, en théorie, accomplir au moins 80 % des tâches individuelles dans des secteurs aussi variés que les arts et médias, l'administration, le droit, la finance et même le management. L'interprétation de ce graphique a toutefois été largement exagérée. En creusant la méthodologie, la zone bleue ne représente pas une prédiction de remplacement massif des travailleurs par des machines, mais des estimations spéculatives — et en partie obsolètes — sur les domaines où l'IA pourrait améliorer la productivité humaine. Autrement dit, « capacité théorique » ne signifie pas « capacité de remplacer » : il s'agit de tâches que les LLM pourraient potentiellement assister ou automatiser en partie, sans que cela implique la disparition des postes correspondants. Ce rapport s'inscrit dans un débat plus large sur la quantification réelle de l'impact économique de l'IA générative. Anthropic, comme d'autres acteurs du secteur, cherche à cadrer la discussion publique autour de l'adoption de ses modèles — ce qui crée un intérêt institutionnel évident à présenter des chiffres d'exposition élevés. Les économistes du travail soulignent depuis longtemps la différence entre automatisation de tâches et suppression d'emplois entiers. La viralité du graphique illustre combien une visualisation mal calibrée peut alimenter des craintes — ou des enthousiasmes — déconnectés de la réalité méthodologique sous-jacente.

UELes biais méthodologiques dans la quantification de l'exposition des emplois aux LLM concernent directement les décideurs politiques français et européens qui s'appuient sur ces rapports pour calibrer leurs politiques d'emploi et de reconversion professionnelle.

SociétéPaper

1 source

4AI News

JPMorgan commence à suivre l'utilisation de l'IA par ses employés

JPMorgan Chase a commencé à surveiller systématiquement l'utilisation des outils d'intelligence artificielle par ses quelque 65 000 ingénieurs et techniciens. Selon des informations publiées par Business Insider, la banque américaine demande désormais à ces employés d'intégrer des outils comme ChatGPT et Claude Code dans leur travail quotidien — rédaction de code, relecture de documents, traitement de tâches répétitives. Des systèmes internes classifient chaque salarié selon son niveau d'utilisation, entre « utilisateur léger » et « utilisateur intensif ». Ce suivi n'est pas anodin : il est susceptible d'influer directement sur les évaluations de performance annuelles, transformant ainsi la maîtrise de l'IA en critère d'évaluation professionnel officiel. Ce changement marque une rupture avec la logique des deux dernières années, durant lesquelles la plupart des grandes entreprises ont déployé des outils d'IA sans parvenir à une adoption homogène — certaines équipes expérimentaient activement, d'autres ignoraient les nouveaux outils. En intégrant l'usage de l'IA aux critères de performance, JPMorgan cherche à imposer un socle commun d'adoption, similaire à ce que fut l'apprentissage des tableurs ou des outils de développement en leur temps. Cela soulève toutefois une question concrète : si l'IA réduit le temps nécessaire à certaines tâches, les salariés seront-ils attendus sur un volume de production plus élevé ? Et comment distinguer un « bon » usage — pertinent, vérifié, productif — d'une simple utilisation fréquente pour satisfaire les métriques internes ? JPMorgan n'est pas novice en matière d'IA : la banque l'utilise depuis plusieurs années dans la détection de fraude et l'analyse de risque. Mais étendre cette logique à des dizaines de milliers d'employés dans des fonctions générales soulève des enjeux de gouvernance spécifiques. Les outils grand public comme ChatGPT peuvent produire des résultats inexacts ou incomplets, ce qui implique que les employés doivent vérifier chaque output avant toute utilisation dans une décision ou un document client — une contrainte forte dans un environnement bancaire réglementé. La banque devra probablement déployer des garde-fous similaires à ceux déjà en place pour ses systèmes de trading et de gestion des risques. D'autres institutions financières observent attentivement cette expérience : si lier l'usage de l'IA aux évaluations se traduit par des gains de productivité mesurables, le modèle pourrait se diffuser rapidement dans le secteur, redéfinissant au passage les compétences attendues à l'embauche — la rédaction de prompts et la vérification des sorties IA pourraient bientôt figurer dans les fiches de poste standard.

UELes entreprises et banques européennes pourraient s'inspirer de ce modèle pour intégrer l'usage de l'IA comme critère d'évaluation RH, redéfinissant les compétences attendues sur le marché du travail.

SociétéOpinion

1 source

Recevez l'essentiel de l'IA chaque jour

Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.

Recevez l'essentiel de l'IA chaque jour