À quoi les gens utilisent-ils réellement l’IA ? Analyse des tendances actuelles

L’arrivée de ChatGPT a soulevé une question fondamentale qui continue de nous intriguer : à quoi les gens utilisent-ils vraiment l’intelligence artificielle au quotidien ? Chaque fois que nous abordons des sujets comme « comment j’utilise concrètement l’IA » ou « quels sont mes outils préférés », l’intérêt est toujours au rendez-vous. Ce n’est pas un hasard si le réseau de Lenny’s Podcast vient d’annoncer un nouveau podcast intitulé « How I AI », spécifiquement dédié à cette question.

Cette curiosité est parfaitement compréhensible. Nous explorons un territoire totalement nouveau et, malgré nos premières expérimentations avec les usages les plus évidents, nous avons tous le sentiment que nous ne faisons qu’effleurer la surface des possibilités. Le meilleur reste à venir. C’est pourquoi il est toujours précieux, même s’il ne s’agit que d’un instantané très bref d’un moment précis, d’examiner les études et les données qui nous éclairent sur la façon dont les gens utilisent réellement l’IA.

Aujourd’hui, nous allons nous pencher sur quelques exemples récents de ce type d’analyses.

Le rapport d’Anthropic sur l’impact de l’IA dans le développement logiciel

Commençons par un nouveau rapport d’Anthropic, issu de leur indice économique intitulé « L’impact de l’IA sur le développement logiciel ». Les éditions précédentes de cette recherche avaient examiné l’utilisation de l’IA dans différentes professions et domaines éducatifs. Mais celle-ci se concentre sur le codage, qui est, comme vous le savez, l’un des principaux cas d’utilisation de Claude actuellement.

Anthropique écrit : « Dans nos recherches précédentes sur l’indice économique, nous avons constaté une utilisation très disproportionnée de Claude par les travailleurs américains dans des professions liées à l’informatique. C’est-à-dire qu’il y avait beaucoup plus de conversations avec Claude sur des tâches liées à l’informatique qu’on ne pourrait le prédire en fonction du nombre de personnes travaillant dans ces métiers. »

Pour approfondir cette question, ils ont analysé 500 000 interactions liées au code sur Claude.ai ainsi que sur Claude Code, leur agent spécialisé dans le codage, afin d’observer comment les gens interagissent avec le code de cette manière.

Après cette analyse, ils ont identifié trois tendances principales :

1. L’agent de codage est davantage utilisé pour l’automatisation

Ce point est crucial et justifie pour certains l’utilisation du terme « agent ». Anthropic écrit que 79 % des conversations sur Claude Code ont été identifiées comme relevant de l’automatisation. En d’autres termes, l’IA exécute directement des tâches plutôt que de simplement augmenter ou collaborer avec les capacités humaines. Cela contraste avec les 49 % des conversations sur Claude.ai qui relèvent de cette catégorie. Les personnes qui utilisent Claude Code l’emploient donc davantage comme un agent que comme un simple assistant de codage.

2. Les codeurs IA construisent généralement des applications destinées aux utilisateurs

Les langages de programmation les plus couramment utilisés dans leur ensemble de données étaient JavaScript et HTML. Parmi les utilisations liées au codage, les tâches d’interface utilisateur (UI) et d’expérience utilisateur (UX) figuraient en tête. Ils notent que « cela suggère que les emplois centrés sur la création d’applications simples et d’interfaces utilisateur pourraient être perturbés par les systèmes d’IA plus rapidement que ceux axés uniquement sur le travail back-end. »

Il y a peut-être un raccourci dans cette conclusion. Je comprends pourquoi c’est l’une des interprétations possibles, mais une autre pourrait être que les applications et interfaces simples représentent une grande partie des domaines où les codeurs débutants interagissent avec ces outils. La tendance naturelle des bricoleurs, des nouveaux codeurs et des personnes qui ne sont pas ingénieurs mais qui commencent tout juste à s’intéresser à la création, est de prototyper des interfaces qui donnent vie à leurs idées.

Pour prendre un exemple personnel, si vous examinez les projets que j’ai créés sur Lovable ou SoftGen (une autre plateforme similaire qui développe une communauté de codage), probablement 90 % de ce que j’ai construit relèverait de cette partie frontend ou expérience utilisateur. Non pas parce que ces outils ne peuvent pas construire la pile complète – ils le peuvent – mais parce qu’une grande partie de mon travail consiste simplement à expérimenter, et c’est avec ces aspects que j’expérimente en premier.

3. Les startups sont clairement les premiers adoptants de Claude Code

Bien que les startups représentent un pourcentage beaucoup plus faible du travail global de codage par rapport aux grandes entreprises, elles représentaient 33 % des conversations sur Claude Code, contre seulement 13 % des conversations identifiées comme pertinentes pour les grandes entreprises. Honnêtement, ce n’est pas une grande surprise.

En fait, l’une des choses les plus notables que nous avons constatées chez Super Intelligent est la résistance souvent manifestée par les départements d’ingénierie des grandes entreprises face aux outils de codage. Je pense qu’il y a plusieurs raisons à cela, certaines légitimes (comme les défis liés à la conception des outils pour un usage individuel plutôt que pour une collaboration d’entreprise à grande échelle) et d’autres moins légitimes (comme la simple réticence à changer les habitudes existantes).

Analyse plus détaillée des cas d’utilisation du codage

Pour approfondir le cas d’utilisation du « vibe coding » (codage intuitif), Anthropic a classé les différents travaux de codage en plusieurs catégories. Celles-ci comprennent l’architecture logicielle et la conception de code, le développement de composants UI/UX, le débogage et l’optimisation des performances, le développement d’applications web et mobiles, etc.

Anthropic a noté que deux des cinq principales tâches de codage étaient le développement d’interface utilisateur et le développement d’applications web et mobiles, représentant respectivement 12 % et 8 % des conversations. Ils ont écrit : « Ces tâches se prêtent de plus en plus à un phénomène connu sous le nom de ‘vibe coding’, où des développeurs de différents niveaux d’expérience décrivent les résultats souhaités en langage naturel et laissent l’IA prendre en charge les détails de mise en œuvre. »

La conclusion de l’entreprise est que ces tâches de programmation plus légères, comme la création d’applications simples et d’interfaces, pourraient être les premières à être perturbées par l’IA. Ils ont écrit : « À mesure que l’IA prend en charge de plus en plus les tâches de création et de stylisation de composants, ces développeurs pourraient s’orienter vers un travail de conception et d’expérience utilisateur de plus haut niveau. »

Qui utilise les outils de codage IA ?

En examinant les populations utilisant les outils de codage IA, Anthropic a constaté qu’environ 30 % des conversations de programmation étaient liées à des projets personnels, contre environ 25 % liées au travail en entreprise. Rappelons qu’ils distinguent les conversations sur Claude Code et celles sur Claude.ai, et que les startups présentaient un écart beaucoup plus important entre ces deux catégories : 13 % de l’utilisation de Claude.ai liée à la programmation provenait du secteur des startups, tandis que ces utilisateurs représentaient 33 % des sessions avec Claude Code.

Outre la reconnaissance que les startups sont les premiers adoptants des agents de codage (sans surprise), Anthropic a ajouté que « les utilisations impliquant des étudiants, des universitaires, des constructeurs de projets personnels et des utilisateurs de tutoriels et d’apprentissage représentent collectivement la moitié des interactions sur les deux plateformes. » En d’autres termes, les individus, et pas seulement les entreprises, sont des adoptants significatifs des outils d’assistance au codage.

Ces modèles d’adoption reflètent les changements technologiques passés, où les startups utilisent de nouveaux outils pour obtenir un avantage concurrentiel, tandis que les organisations établies avancent plus prudemment et ont souvent des vérifications de sécurité détaillées en place avant d’adopter de nouveaux outils à l’échelle de l’entreprise. La nature polyvalente de l’IA pourrait accélérer cette dynamique. Si les agents IA offrent des gains de productivité significatifs, l’écart entre les adoptants précoces et tardifs pourrait se traduire par des avantages concurrentiels substantiels.

Je ne pense pas qu’il s’agisse uniquement d’une question de sécurité. Je pense également qu’il existe des limitations de conception dans la génération actuelle d’assistants de codage et d’outils de « vibe coding », qui ne sont tout simplement pas encore pleinement configurés pour l’entreprise. Cela dit, j’ai vu de nombreuses startups apparaître qui tentent spécifiquement d’apporter le « vibe coding » aux entreprises, et je pense que cela se produira plus tôt que tard.

L’humain reste dans la boucle pour les tâches de codage

Une autre découverte intéressante est que les humains sont beaucoup plus susceptibles de rester impliqués dans les tâches de codage que dans les tâches non liées au code. Dans l’analyse précédente d’Anthropic sur les tâches non liées au code, ils ont constaté que seulement 3 % des conversations impliquaient une automatisation avec des boucles de rétroaction humaine. Pour le codage, ce chiffre était de 21 % de toutes les conversations.

Il y avait également une baisse correspondante de ce qu’Anthropic appelait « l’automatisation directive » – c’est-à-dire dire à l’IA de terminer une tâche et revenir quand c’est fini. Cela pourrait refléter la nature itérative du codage, avec la nécessité de revenir en arrière et d’affiner le code pour que tout fonctionne correctement. Ou cela pourrait être une réflexion sur les limitations actuelles de l’IA à produire des logiciels complexes en une seule fois, sans retour ni étapes supplémentaires.

Dans mon utilisation d’outils comme SoftGenAI ou Lovable, l’un des éléments qui m’incite à préférer une plateforme particulière est sa capacité à interpréter mes prompts et, plus spécifiquement, à corriger les choses après que j’ai réalisé que je n’avais pas bien formulé ma demande initialement et que j’ai dû revenir en arrière pour mieux m’expliquer.

Réaction de la communauté aux résultats d’Anthropic

Dans l’ensemble, ces résultats semblent crédibles pour la communauté. Le professeur Harry Wang de l’Université du Delaware écrit : « Mon expérience personnelle correspond étroitement aux trois modèles qu’ils ont identifiés. » Il a également ajouté : « Bien que les données de Curser, Windsurf et Klein n’aient pas été incluses, je pense que leur incorporation renforcerait davantage ces conclusions. »

Le site All About AI a écrit : « Il s’avère que l’IA fait beaucoup de travail dans le développement logiciel, mais les développeurs restent impliqués pour les choses importantes. »

Quels autres cas d’utilisation de l’IA sont populaires actuellement ?

Passons maintenant à une étude de la Harvard Business Review intitulée « Comment les gens utilisent réellement l’IA générative en 2025 ». L’auteur, Mark Zhao Sanders, écrit : « Il y a un an, j’ai écrit un article sur la façon dont les gens utilisaient réellement l’IA générative. Les cas d’utilisation se répartissaient presque également entre les besoins personnels et professionnels, environ la moitié couvrant les deux. Les éditeurs de HBR et moi-même avons ressenti le besoin de mettre à jour cette recherche. Beaucoup de choses se sont passées au cours des 12 derniers mois. »

La méthodologie est importante ici, car je ne sais pas si cette étude semblera aussi définitive ou crédible que celle d’Anthropic. Mark écrit : « J’ai adopté la même méthodologie que l’année dernière, mais j’ai exploré davantage de données. Il y avait beaucoup plus à explorer, et j’ai limité les résultats aux 12 derniers mois. J’ai examiné des forums en ligne comme Reddit et Quora, ainsi que des articles qui incluaient des applications spécifiques et explicites de la technologie. »

En gros, Mark a cherché à voir comment les gens parlaient de leur utilisation de l’IA générative, et il a constaté de nombreux changements dans les principaux cas d’utilisation.

Évolution des cas d’utilisation de l’IA entre 2023 et 2024

En 2023, les principaux cas d’utilisation, par ordre, étaient :
1. Générer des idées
2. Thérapie et compagnie
3. Recherche spécifique
4. Édition de texte
5. Explorer des sujets d’intérêt
6. Amusement et absurdités
7. Dépannage
8. Apprentissage amélioré
9. Apprentissage personnalisé
10. Conseils généraux

En 2024, les cas d’utilisation ont considérablement évolué :
1. Thérapie et compagnie (en hausse depuis la 2ème place)
2. Organiser ma vie (nouvelle entrée)
3. Trouver un but (nouvelle entrée)
4. Apprentissage amélioré (en hausse depuis la 8ème place)
5. Générer du code (nouvelle entrée)
6. Générer des idées (en baisse depuis la 1ère place)
7. Amusement et absurdités (stable)
8. Améliorer le code (en hausse depuis la 19ème place)
9. Créativité (nouvelle entrée)
10. Vie plus saine (nouvelle entrée)

Précisons d’emblée que l’auteur ne prétend pas que c’est une étude scientifique. C’est une approche intéressante pour examiner ce que les gens communiquent sur leur utilisation de l’IA comme moyen de comprendre les tendances et les modèles. Il y a des limitations inhérentes, et vous devriez donc considérer cela comme un élément de preuve, et non comme une vérité absolue.

Cependant, certains de ces résultats sont surprenants, notamment l’incroyable concentration de cas d’utilisation hautement personnalisés en tête de liste : thérapie et compagnie, organiser ma vie, et trouver un but, tous avant quoi que ce soit lié aux affaires. La question que je me pose est de savoir dans quelle mesure cela indique qu’il s’agit des principaux cas d’utilisation, ou plutôt des principaux cas d’utilisation dont les gens ont intérêt à parler, pour une raison quelconque.

Même si c’est le cas et qu’il y a une certaine pondération inhérente à faire en fonction de l’intérêt d’une chose à discuter plutôt qu’à simplement utiliser, il y a encore quelques domaines où les tendances s’additionnent. Je pense bien sûr, en parlant des résultats d’Anthropic, à ce que Mark a trouvé aux positions 5 et 8 : générer du code et améliorer le code. Améliorer le code est passé de la 19ème place, et générer du code de la 47ème place. Cela suggère que l’utilisation des agents et outils de codage tant comme augmentation (améliorer le code) que comme agent (générer du code) a fortement augmenté, mais l’utilisation comme agent pour générer du code a augmenté encore plus.

Thèmes principaux d’utilisation de l’IA

En prenant du recul par rapport aux cas d’utilisation spécifiques, Mark a également essayé de regrouper les 100 principaux cas d’utilisation par thèmes. Les six thèmes qu’il a identifiés sont :

Création et édition de contenu
Assistance technique et dépannage

Soutien personnel et professionnel
Apprentissage et éducation
Créativité et loisirs

Recherche, analyse et prise de décision

Le plus grand changement, comme je l’ai mentionné, est que le soutien personnel et professionnel a presque doublé au cours de l’année, passant de 17 % à 31 % des 100 principaux cas d’utilisation.

L’IA comme thérapeute : un cas d’utilisation en forte croissance

Bien que cela soit un peu en dehors du cadre de cette analyse, qui s’intéresse davantage aux cas d’utilisation professionnelle de l’IA, il vaut la peine de partager ce que Mark a écrit sur le cas d’utilisation thérapeutique.

Il explique : « De nombreux internautes ont parlé de la façon dont la thérapie avec un modèle d’IA les aidait à traiter le deuil ou un traumatisme. Trois avantages de la thérapie basée sur l’IA sont clairement ressortis : elle est disponible 24h/24 et 7j/7, elle est relativement peu coûteuse, voire gratuite dans certains cas, et elle se fait sans la perspective d’être jugé par un autre être humain. »

Le phénomène de l’IA comme thérapie a également été remarqué en Chine. Et bien que le débat sur le plein potentiel de la thérapie informatisée soit en cours, des recherches récentes offrent une perspective rassurante selon laquelle les interventions thérapeutiques basées sur l’IA ont atteint un niveau de sophistication tel qu’elles sont indiscernables des réponses thérapeutiques écrites par des humains.

De manière intéressante, Mark établit un lien entre cela et une tendance plus large, qui est simplement le passage des conseils et de l’orientation de l’humain à l’IA. Il poursuit : « Un nombre croissant de services professionnels sont désormais partiellement fournis par l’IA générative, de la thérapie et des conseils médicaux aux conseils juridiques, aux conseils fiscaux et au développement de logiciels. »

Il a cité EY comme exemple d’organisation où cette tendance est en cours. Il écrit : « Comme me l’a expliqué Simon Brown, responsable mondial de l’apprentissage et du développement chez EY, l’organisation forme les employés aux compétences en IA générative afin qu’ils puissent travailler avec une gamme de systèmes agentiques spécifiques au secteur qui soutiennent le travail des services professionnels de près de 400 000 employés, y compris le déploiement de 150 agents IA spécifiquement utilisés pour des tâches fiscales. »

L’IA dans les cabinets de conseil : une adoption rapide

Cette observation fait écho à un récent article de fond dans Business Insider intitulé « À l’intérieur du boom de l’IA qui transforme la façon dont les consultants travaillent chez McKinsey, BCG et Deloitte ». L’idée principale de l’article est que les cabinets de conseil non seulement vendent des services de conseil en IA, mais sont aussi, à certains égards, les entreprises qui adoptent ces outils le plus rapidement.

L’article donne de nombreux exemples très spécifiques. McKinsey, par exemple, dispose d’un chatbot d’IA générative interne appelé Lily. Lily est connecté à l’ensemble de la propriété intellectuelle de McKinsey, avec plus de 100 000 documents et entretiens. Et l’utilisation est significative : les partenaires de McKinsey ont déclaré à Business Insider que plus de 70 % des 45 000 employés de l’entreprise utilisent maintenant Lily, et ceux qui l’utilisent le font environ 17 fois par semaine. Ils l’utilisent pour la recherche, le résumé de documents, l’analyse de données et le brainstorming. Dans une étude de cas, ils ont constaté que les travailleurs économisaient 30 % de leur temps en utilisant l’outil.

Cela correspond à ce que KPMG a constaté dans sa récente enquête trimestrielle, où ils ont observé une augmentation majeure de l’utilisation quotidienne des outils de productivité IA, passant de 22 % au quatrième trimestre de l’année dernière à 58 % au premier trimestre de cette année. L’enquête de KPMG interroge plus de cent dirigeants d’entreprises dont le chiffre d’affaires est d’un milliard de dollars ou plus.

Ces types d’outils ne sont pas les seuls auxquels les consultants ont accès. Il existe également des outils plus discrets, comme des outils pour la création de présentations et de diaporamas PowerPoint. Et je pense que tout cela raconte l’histoire d’une maturation de l’usage.

Observations de terrain sur l’utilisation de l’IA en entreprise

Bien sûr, nous avons une place de choix pour observer tout cela chez Super Intelligent. Jour après jour, nous réalisons des audits qui identifient les opportunités et observons comment les entreprises utilisent l’IA. Cela nous donne une assez bonne perspective sur les domaines où les entreprises utilisent ou n’utilisent pas ces outils.

Beaucoup des domaines où ces outils sont utilisés ne vous surprendront pas. Les agents SDR (représentants commerciaux) sont très populaires. Les agents de création de contenu, les agents de service client. Ce sont les domaines de travail orientés vers l’extérieur où les gens ont le plus confiance dans les agents actuellement.

Un autre domaine où les agents sont beaucoup utilisés est le travail interne : la gestion des connaissances internes, aider les employés à obtenir des réponses à leurs questions. Et l’un des fils conducteurs ici est que ce sont des domaines de travail importants mais relativement peu risqués par rapport, par exemple, aux produits critiques ou au travail opérationnel.

Les domaines où les entreprises n’utilisent pas encore l’IA, et en particulier les agents, sont les parties de leur activité qui sont absolument essentielles et qui doivent fonctionner correctement à chaque fois. Par exemple, de nombreux cas d’utilisation financière sont freinés, et même certains de ces cas d’utilisation de conseil sont limités parce qu’on ne peut pas se contenter d’un taux de réussite de 97 %. Il faut que ce soit plus proche de 100 %.

Nous avons récemment parlé de cela dans le contexte de l’essai du PDG d’Anthropic, Dario Amodei, sur l’urgence de l’interprétabilité, où il faisait valoir que l’interprétabilité ne concerne pas seulement les problèmes d’alignement sociétal, mais aussi les cas d’utilisation commerciale.

Conclusion : l’utilisation de l’IA s’intensifie et se diversifie

Dans l’ensemble, lorsqu’on prend du recul, il est clair que l’utilisation de l’IA augmente. Elle augmente en largeur et en profondeur. Les personnes qui l’utilisent l’utilisent plus que jamais et ces personnes sont plus nombreuses qu’auparavant.

Si l’on veut vraiment examiner ce que suggère la recherche de Harvard, c’est que l’IA ne concerne pas vraiment un cas d’utilisation plutôt qu’un autre. Il s’agit du fait qu’il existe des cas d’utilisation pour tout. Ces types de choses changeront. Ces utilisations changeront, mais je pense que les tendances sont assez claires.

L’IA est en train de transformer la façon dont nous travaillons, apprenons et interagissons, et nous n’en sommes encore qu’aux premiers chapitres de cette révolution.

Featured image by Ashish R. Mishra on Unsplash