Anthropic, l’entreprise derrière Claude, a publié un document qui mérite vraiment d’être lu.
Le sujet est simple : comment l’IA participe déjà à la construction de l’IA elle-même.
Et le chiffre le plus important est celui-ci : plus de 80% du code fusionné dans le système d’Anthropic est aujourd’hui écrit par Claude.
Avant février 2025, cette part était encore très faible. En quelques mois, Claude est passé d’un outil d’assistance à un acteur majeur dans la production du code de l’entreprise qui le développe.
Autre donnée importante : un ingénieur Anthropic produit aujourd’hui jusqu’à 8 fois plus de code par trimestre qu’en 2024.
Ce n’est certainement pas parce qu’il travaille huit fois plus mais surtout parce qu’il travaille autrement.
Il ne passe plus son temps à tout écrire lui-même. Il définit le PROBLÈME, DONNE LA DIRECTION, SUPERVISE, CORRIGE, VALIDE. L’IA prend une part de plus en plus grande dans l’exécution.
Et c’est là que le sujet devient important pour tous les professionnels, pas seulement pour les développeurs.
Si l’entreprise qui construit l’IA utilise déjà l’IA pour accélérer fortement son propre travail, il faut regarder ce que cela signifie pour nos métiers, nos équipes et notre manière de produire de la valeur.
J’ai retenu cinq principes.
Principe #1 : L’objectif devient plus important que la méthode
L’un des messages les plus forts du rapport est celui-ci : les humains donnent l’objectif, l’IA trouve de plus en plus la méthode.
Je ne sais pas si vous vous rendez compte, mais c’est un changement PROFOND.
Pendant longtemps, la valeur d’un professionnel reposait beaucoup sur sa capacité à exécuter.
Savoir faire un rapport. Savoir préparer une analyse. Savoir construire une présentation. Savoir rédiger une note. Savoir structurer un dossier… etc
Tout cela garde une utilité, mais ce n’est plus là que se trouve la plus grande valeur.
L’IA sait déjà faire une grande partie de ces tâches. Elle peut produire, reformuler, comparer, analyser, synthétiser, structurer et corriger.
Ce qui devient plus important, c’est la capacité à définir ce qui doit être fait.
Quelle est la vraie question ? Quel est le bon objectif ? Quel est le problème prioritaire ? Quel résultat veut-on obtenir ? Quel niveau de qualité est attendu ?
C’est là que la valeur humaine se déplace. Par exemple, un DAF qui sait poser la bonne question financière devient plus pertinent qu’un DAF qui sait seulement manipuler un fichier Excel.
Un manager qui sait identifier le vrai défi/problème de son équipe devient plus pertinent qu’un manager qui sait seulement suivre une procédure.
Un assistant de direction qui sait anticiper ce dont son dirigeant aura besoin devient plus pertinent qu’un assistant qui exécute simplement ce qu’on lui demande. La méthode peut de plus en plus se déléguer.
L’objectif, lui, reste encore une responsabilité humaine.
Principe #2 : Les métiers se rétrécissent par le bas
L’IA avance d’abord sur les tâches les plus simples.Les tâches répétitives. Les tâches bien définies. Les tâches où l’on sait déjà exactement quoi faire.
Ensuite, elle progresse vers les tâches plus complexes : analyser, chercher une cause, comparer des options, proposer une solution.
C’est ce que montre le rapport d’Anthropic. L’IA absorbe progressivement les niveaux bas et intermédiaires du travail. Cela ne veut pas dire que tout le métier disparaît. Cela veut dire que la partie la plus exécutoire du métier perd de la valeur.
Le travail se déplace vers le haut.
Vers la capacité à cadrer, vers la capacité à choisir, vers la capacité à décider, vers la capacité à juger, vers la capacité à donner une direction.
La question à se poser devient donc très concrète : dans ma journée de travail, combien de temps je passe à exécuter des tâches définies par d’autres, et combien de temps je passe à définir ce qui doit être fait ?
Si votre valeur repose surtout sur l’exécution de tâches déjà cadrées, vous êtes dans une zone exposée.
Si votre valeur repose sur le jugement, la décision, la clarification et la direction, vous êtes dans une zone qui prend de l’importance. C’est une différence majeure.
Principe #3 : Accélérer une tâche ne suffit pas à accélérer l’entreprise
Le rapport montre aussi un problème intéressant.
Grâce à l’IA, Anthropic produit beaucoup plus vite. Mais cette vitesse crée un nouveau blocage : la revue humaine.
L’IA peut produire du code rapidement. Mais les ingénieurs doivent encore relire, contrôler, valider et sécuriser ce qui est produit.
L’embouteillage ne disparaît donc pas forcément, il change simplement de place.
LIRE AUSSI: DÉVELOPPER SA MAÎTRISE MÉTIER À L’ÈRE DE L’IA : Pourquoi ni votre expertise seule ni l’IA seule ne suffisent
C’est une leçon très importante pour les entreprises. Beaucoup de dirigeants pensent qu’il suffit de donner des outils IA aux équipes pour que la productivité augmente automatiquement.
En réalité, ce n’est pas si simple. Si vous accélérez la production d’un rapport, mais que la validation prend toujours deux semaines, le gain réel reste faible.
Si vous produisez plus vite des propositions commerciales, mais que le suivi client ne change pas, la performance ne bouge pas vraiment.
Si vous générez davantage de contenus, mais que la stratégie, l’approbation et la diffusion restent lentes, vous créez surtout plus de contenus en attente.
L’IA ne règle pas automatiquement les lenteurs d’une organisation, au contraire, elle les révèle.
Elle montre où les processus sont mal conçus, où les décisions sont trop lentes, où les validations bloquent, où les responsabilités ne sont pas claires.
La bonne question n’est donc pas seulement : quelle tâche pouvons-nous accélérer avec l’IA ?
La bonne question est aussi : si cette tâche devient beaucoup plus rapide, où le prochain blocage va-t-il apparaître ?
C’est à ce niveau que l’IA devient un vrai sujet de management.
Principe #4 : Savoir définir le résultat attendu devient essentiel
Avec l’IA, il ne suffit pas de donner une instruction. Il faut savoir définir le résultat attendu.
C’est une compétence dont nous sommes encore nombreux à sous-estimer. Un bon résultat ne dépend pas seulement de l’outil utilisé. Il dépend surtout de la clarté du cadrage.
À qui s’adresse le livrable ? Quel est le format attendu ? Quel est le niveau de profondeur ? Quel est le ton ? Quels sont les critères de qualité ? Qu’est-ce qui permet de dire que le travail est terminé ?
Si ces éléments ne sont pas clairs, l’IA produit souvent quelque chose de moyen.
Pas forcément faux mais surtout moyen… générique, trop large, trop plat et difficile à utiliser directement.
En réalité, travailler avec l’IA ressemble beaucoup à la délégation humaine.
Un manager qui délègue mal obtient rarement un bon résultat. Un utilisateur qui cadre mal une demande IA obtient rarement une réponse utile.
La compétence importante n’est donc pas seulement de savoir écrire un prompt.
LIRE AUSSI: LE FUTUR DU MANAGEMENT À L’ÈRE DE L’IA : Comment devenir un chef d’orchestre d’une équipe hybride humains-IA
La vraie compétence, c’est de savoir formuler un résultat attendu.
C’est ce qui fera la différence entre ceux qui utilisent l’IA comme un simple outil de génération et ceux qui l’utilisent comme un vrai levier de production.
Principe #5 : Le jugement reste l’avantage humain le plus important
Le rapport d’Anthropic insiste sur un point : ce qui reste encore difficile à déléguer, c’est le jugement.
Savoir quoi prioriser. Savoir reconnaître une bonne réponse. Savoir détecter une idée faible. Savoir sentir qu’une analyse manque de profondeur. Savoir choisir entre plusieurs options. Savoir dire non à une solution séduisante mais inutile.
C’est là que l’humain garde encore un vrai avantage.Mais cet avantage n’est pas automatique. Le jugement se travaille.
Il se construit avec la lecture, l’expérience, les erreurs, les discussions exigeantes, les décisions difficiles et l’exposition à des problèmes/situations complexes.
Plus l’IA prend en charge l’exécution, plus le jugement devient important.
C’est même assez simple à comprendre : si l’exécution devient moins rare, alors ce qui permet de choisir, d’orienter et d’évaluer prend plus de valeur.
Le danger, ce n’est donc pas seulement de ne pas savoir utiliser l’IA. Le vrai danger, c’est d’avoir un jugement trop faible pour bien l’utiliser. Parce qu’une IA peut produire très vite.
Mais si vous ne savez pas distinguer ce qui est bon, utile, profond, juste ou stratégique, vous allez simplement produire plus de choses moyennes.
Et dans un monde où tout le monde peut produire vite, la différence se fera de plus en plus sur la qualité du regard humain.
CE QU’IL FAUT RETENIR DE LA NEWSLETTER DE CE JOUR…
Le rapport d’Anthropic montre une chose claire : la valeur professionnelle se déplace.
Elle quitte progressivement l’exécution simple.Elle monte vers le cadrage, le jugement, la décision, la direction et la capacité à définir les bons objectifs. L’IA peut déjà produire beaucoup.Elle peut même produire très vite.Mais il faut encore savoir quoi lui demander, pourquoi le demander, comment évaluer le résultat et comment intégrer ce résultat dans un vrai processus de travail. C’est là que vous et moi devons progresser. Il ne s’agit pas seulement d’apprendre à utiliser ChatGPT, Claude ou Copilot.
LIRE AUSSI: L’IA pour les TPE et PME africaines : par où commencer ?
Il s’agit d’apprendre à travailler à un niveau plus élevé. Moins dans l’exécution brute. Plus dans la direction du travail. Moins dans la production mécanique. Plus dans le choix, le discernement et la qualité. C’est probablement l’un des grands changements des prochaines années. Et ceux qui le comprendront tôt auront une vraie avance. Comme promis, de la valeur en quelques minutes de lecture.
Par: Berkiss D. DADJE
