Quand on parle d'IA en science, on s'attarde volontiers sur les percées : structures de protéines, nouveaux cristaux, problèmes mathématiques résolus. La nouvelle étude d'Anthropic sur l'usage réel de Claude par les chercheurs dresse un tableau plus ordinaire. Les scientifiques s'en servent surtout pour analyser des données et pour écrire, et le moins pour les tâches qu'ils jugent eux-mêmes les plus importantes pour la découverte.
L'étude porte sur 207 049 sessions de recherche sur des offres grand public entre le 2 août et le 30 septembre 2026 : 128 914 dans les interfaces chat et Cowork de Claude et 78 135 dans Claude Code. Un modèle de langage a classé chaque session par discipline et par tâche selon une taxonomie de 7 262 tâches de recherche réparties dans 34 domaines, seules ces étiquettes étant conservées ; Anthropic affirme qu'aucun contenu de recherche n'a été extrait et que les résultats ne sont publiés qu'agrégés. L'analyse de données représente à elle seule environ un tiers des sessions sur Claude et près de la moitié sur Claude Code. L'informatique arrive en tête sur Claude avec 11,9 % des sessions, devant l'ingénierie à 8,4 % et la médecine à 7,7 %. Sur Claude Code, le déséquilibre est plus marqué : l'informatique compte 4,3 % des chercheurs du monde mais 32,7 % des sessions.
Le résultat le plus intéressant est la correspondance entre usage et aptitude. Anthropic a construit une mesure de la capacité théorique de l'IA à accomplir chaque tâche de recherche. Le cinquième supérieur des tâches selon cette mesure reçoit deux à quatre fois plus d'usage que ne le prédirait le temps que les chercheurs y consacrent, tandis que le cinquième inférieur, surtout du travail physique de laboratoire, en reçoit très peu. La génération d'idées et la collecte de données, que les scientifiques interrogés placent au premier rang, sont moins utilisées ; dans Claude Science, le produit de recherche spécialisé d'Anthropic, la part de la génération d'idées est environ le double de celle observée sur Claude.
Pour les lecteurs de nos tests de Claude et de Claude Code, cela correspond à ce que ces produits font bien : traiter rapidement des données, du code et des brouillons. Cela suggère aussi que les plus grands gains vont d'abord aux domaines les plus computationnels, y compris ceux qui construisent l'IA.
Les projections appellent la prudence. Un modèle simple du rapport suggère que les capacités actuelles, largement adoptées, pourraient doubler la production scientifique dans certains domaines, et qu'automatiser tout le travail de recherche non physique pourrait multiplier jusqu'à 15 la production en informatique et en statistique, les sciences de paillasse plafonnant à trois ou quatre fois à cause des contraintes physiques. Ce sont des scénarios, pas des mesures. Environ 40% des utilisateurs actifs d'IA interrogés s'attendent à ce que des modèles mènent seuls des projets de recherche complets d'ici 2030, ce qui relève de l'opinion. Enfin, toute l'étude repose sur Anthropic analysant les utilisateurs grand public de son propre produit, ce qui laisse de côté l'usage en entreprise et par API.