L'équipe de recherche économique d'Anthropic a publié le 5 novembre un rapport qui recense ce que les chercheurs font avec Claude. L'échantillon porte sur 207 049 sessions étiquetées comme liées à la recherche scientifique dans les offres grand public, entre le 2 août et le 30 septembre. Parmi elles, 128 914 relèvent de Claude (Chat et Cowork compris), 78 135 de Claude Code, auxquelles s'ajoute un échantillon complémentaire de Claude Science.
La classification repose sur SciNet, un système conçu par l'équipe, qui couvre 7 262 tâches, 34 disciplines et 318 sous-domaines. Selon le rapport, le classifieur ne produit que des étiquettes de discipline et de tâche et n'extrait pas le contenu des recherches ; les résultats ne sont publiés que sous forme agrégée, et les cellules dont le nombre de comptes n'atteint pas le seuil ne sont pas communiquées.
Le plus courant : traiter des données et rédiger
En part de sessions, l'analyse de données pèse 33,7 % sur Claude et 48,1 % sur Claude Code ; la rédaction et la communication représentent 32 % sur Claude et 17,6 % sur Claude Code. Parmi les tâches prises une à une, la plus fréquente est la rédaction de manuscrits d'articles, avec 18,6 % des sessions de Claude.
Si l'on rapproche ces chiffres de la répartition du temps des chercheurs, l'écart saute aux yeux :
| Tâche | Claude | Claude Code | Part du temps de recherche |
|---|---|---|---|
| Analyse de données | 33,7 % | 48,1 % | 27,6 % |
| Rédaction et communication | 32,0 % | 17,6 % | 16,0 % |
| Collecte de données | 11,5 % | 11,9 % | 28,6 % |
| Idéation et hypothèses | 4,2 % | 2,1 % | 7,1 % |
La collecte de données occupe près de trois dixièmes du temps des chercheurs, mais n'apparaît que pour un peu plus d'un dixième dans les sessions, sans doute parce que l'échantillonnage et les expériences exigent du travail manuel. L'idéation et la formulation d'hypothèses ont été jugées par les scientifiques interrogés comme l'étape la plus importante (35,6 sur 100), mais c'est celle qui est la moins utilisée.
La répartition par discipline est elle aussi déséquilibrée. Les chercheurs en informatique ne représentent que 4,3 % des chercheurs dans le monde, mais 32,7 % des sessions de Claude Code ; le sous-domaine de l'IA et de l'apprentissage automatique pèse 1,2 % à l'échelle mondiale, contre 15,2 % sur Claude Code. Les disciplines expérimentales comme la chimie et la médecine l'utilisent moins. Le rapport résume :
"In short, scientists appear to use AI where it works best."
(En bref, les scientifiques semblent utiliser l'IA là où elle fonctionne le mieux.)
Faire le calcul de l'accélération
Le rapport propose des estimations selon trois scénarios. Le premier part des seules capacités actuelles, largement déployées : l'IA pourrait prendre en charge 27 % à 52 % du temps de recherche, avec une médiane de 38 %, et accélérer la production des disciplines d'environ 1,35 fois (arts) à 2,02 fois (statistiques), l'informatique autour de 1,96 fois et la chimie autour de 1,41 fois. Le troisième scénario suppose que l'IA se charge de toutes les étapes non physiques : statistiques, informatique, économie et mathématiques pourraient atteindre 15 à 16 fois, alors que la biologie, la chimie et les matériaux ne dépasseraient pas 3 à 4 fois, car les étapes physiques représentent 38 % à 41 % du temps de recherche dans ces domaines.
L'hypothèse de coût derrière ces multiples est la suivante : l'IA coûte 30 dollars de l'heure, le chercheur 95 dollars de l'heure, et pour chaque heure de chercheur économisée, l'IA doit tourner 0,2 heure. Avec ces chiffres, économiser une heure de travail humain ne coûte qu'environ 6 dollars d'IA : le coût n'est quasiment pas une contrainte, le goulet d'étranglement se situe dans la part manuelle du travail en laboratoire. Le rapport l'écrit lui-même : "Physical bottlenecks remain powerful."
Les auteurs insistent sur le fait que les deuxième et troisième scénarios sont des hypothèses et non des prévisions, et que l'estimation ne tient compte ni des équipements, ni des réactifs, ni de la capacité des laboratoires. La classification et les estimations de durée ont été réalisées par un grand modèle de langage, si bien que les chiffres au niveau des sous-domaines comportent davantage de bruit.
Ce qu'en pensent les scientifiques eux-mêmes
Le questionnaire associé a recueilli les réponses de 528 scientifiques, pour la plupart issus des sciences de la vie et de la santé, concentrés aux États-Unis et au Canada, et candidats au programme de recherche scientifique d'Anthropic ; l'échantillon penche donc naturellement vers des utilisateurs enthousiastes. 38 % des répondants estiment que l'IA peut déjà égaler les meilleurs chercheurs en analyse de données, et ils sont 94 % à l'anticiper pour 2030. Environ quatre sur dix pensent qu'en 2030 l'IA pourra mener seule un projet de recherche complet, et 16 % jugent que ce ne sera jamais possible.
Le profil des utilisateurs de Claude Science est plus spécialisé : la biomédecine et la biologie réunies en représentent plus de la moitié, 82,7 % des sessions atteignent un contenu de niveau doctorat et 73,3 % relèvent d'une exécution très autonome. Ces utilisateurs sont d'emblée plus spécialisés, et la différence ne peut donc pas être entièrement attribuée au produit, ce que le rapport précise également.
Sources : CocoLoop, rapport de recherche d'Anthropic « How researchers use Claude » ; l'échantillon de sessions, la part des tâches, la répartition par discipline, les multiples d'accélération des trois scénarios et les hypothèses de coût ont été vérifiés dans le texte du rapport, et les chiffres du questionnaire sont ceux que publie le rapport.