Usages de l'IA : pourquoi les rapports d'OpenAI et d'Anthropic ne suffisent pas

TL;DR.

Les principaux éditeurs d'IA générative publient régulièrement des rapports décrivant la façon dont leurs outils sont utilisés, mais ces documents ne donnent qu'une vue partielle du phénomène. Ce sont les entreprises elles-mêmes qui décident des données rendues publiques, et aucun tiers ne peut les vérifier. Pour les directions qui s'appuient sur ces chiffres pour arbitrer leurs projets d'IA, la nuance a des conséquences concrètes.

Dans un article publié le 18 août 2026, la MIT Technology Review revient sur cette pratique du secteur : des entreprises comme Anthropic et OpenAI diffusent des analyses sur l'usage de produits comme Claude et ChatGPT, largement reprises dans la presse, les études de marché et les présentations internes. Le problème soulevé n'est pas la falsification, mais le fait que ces acteurs ne publient que les données qu'ils souhaitent montrer : périmètre analysé, catégories retenues, période observée et usages mis en avant relèvent d'un choix éditorial, pas d'un protocole ouvert. Anka Reuel, doctorante en informatique au Stanford Trustworthy AI Research, résume la situation ainsi : « Il n'existe aucune source indépendante pour recouper ».

Les principaux éditeurs d'IA générative publient régulièrement des rapports décrivant la manière dont leurs outils sont utilisés. Selon la MIT Technology Review, ces publications ne donnent qu'une vue partielle du phénomène : ce sont les entreprises elles-mêmes qui décident des données rendues publiques, et aucun tiers ne peut les vérifier. Pour les directions qui s'appuient sur ces chiffres pour arbitrer leurs projets d'IA, la nuance n'est pas théorique.

Des rapports d'usage produits par ceux qui vendent les outils

Dans un article publié le 18 août 2026, la MIT Technology Review revient sur une pratique devenue courante du secteur : des entreprises comme Anthropic et OpenAI diffusent des analyses sur la façon dont les utilisateurs se servent de produits comme Claude et ChatGPT. Ces documents sont abondamment repris, cités dans la presse, dans les études de marché et dans les présentations internes des entreprises.

Le problème soulevé par les chercheurs interrogés n'est pas celui de la falsification. Il est plus structurel : ces acteurs ne publient que les données qu'ils souhaitent montrer. Le périmètre analysé, les catégories retenues, la période observée et les usages mis en avant relèvent d'un choix éditorial de l'éditeur, pas d'un protocole ouvert. Un rapport peut être exact dans ce qu'il affirme tout en restant silencieux sur ce qui n'a pas été mesuré, ou sur ce qui l'a été sans être publié.

« Il n'existe aucune source indépendante pour recouper »

C'est la formule employée par Anka Reuel, doctorante en informatique au Stanford Trustworthy AI Research, citée par la MIT Technology Review. Autrement dit : contrairement à d'autres domaines où des instituts publics, des panels ou des organismes de mesure d'audience produisent des données concurrentes, le champ de l'usage de l'IA ne dispose pas d'appareil de mesure externe comparable.

Recouper une donnée, dans le sens statistique du terme, signifie disposer d'au moins une seconde mesure obtenue par une méthode différente et par un acteur qui n'a pas d'intérêt dans le résultat. Sans ce contrepoids, un chiffre d'usage reste une déclaration, aussi soignée soit-elle. Il peut être juste, mais rien ne permet de le confirmer.

Pourquoi cet angle mort concerne les entreprises

Ces rapports circulent bien au-delà du monde de la recherche. Ils servent à justifier des budgets, à dimensionner des programmes de formation, à comparer sa propre adoption interne à une moyenne supposée du marché, ou à décider quelles fonctions équiper en priorité.

Or plusieurs questions restent ouvertes pour un lecteur extérieur. Quelle population d'utilisateurs a été observée : des particuliers, des salariés, un mélange des deux ? Un usage compté correspond-il à un test ponctuel ou à une pratique installée dans le travail quotidien ? Les usages professionnels menés sur des comptes personnels, hors de tout cadre validé par l'employeur, apparaissent-ils dans ces statistiques ? Le rapport ne le précise pas nécessairement, et rien ne permet de combler le vide depuis l'extérieur.

Le risque n'est donc pas de lire ces publications, mais de les traiter comme des références de marché alors qu'elles sont des observations internes rendues publiques.

Ce que ça change pour vous

Trois réflexes permettent de tirer parti de ces rapports sans leur faire dire plus qu'ils ne disent.

Utilisez-les comme des signaux, pas comme des repères chiffrés. Un rapport d'éditeur indique correctement les directions générales (quelles familles de tâches montent, quels usages émergent). Il n'est pas conçu pour vous dire si votre taux d'adoption interne est bon ou mauvais.

Mesurez vos usages plutôt que de les déduire. La donnée la plus fiable dont vous disposiez sur l'IA dans votre organisation est celle que vous produisez : volumétrie sur vos propres déploiements, tâches réellement confiées à l'outil, temps observé sur un échantillon d'équipes, taux de reprise des sorties générées. Cette mesure a l'avantage d'être recoupable en interne, entre les journaux techniques et le retour des équipes.

Documentez la source quand vous citez un chiffre. Dans une note de cadrage ou un comité, préciser qu'une statistique provient de l'éditeur lui-même n'affaiblit pas l'argument, cela évite qu'il soit contesté plus tard sur un détail de méthode.

Les questions à poser avant de reprendre une statistique d'usage

• Qui a produit la donnée et quel intérêt cet acteur a-t-il dans le résultat ?
• Sur quelle population et quelle période porte la mesure ?
• Qu'est-ce qui est compté exactement : une connexion, une requête, une tâche aboutie ?
• Existe-t-il une autre source, obtenue par une méthode différente, qui va dans le même sens ?
• Que resterait-il de ma décision si ce chiffre se révélait faux de moitié ?

Un manque de mesure indépendante qui reste à combler

Le constat rapporté par la MIT Technology Review pointe une immaturité du secteur plus qu'une faute individuelle. L'IA générative s'est diffusée plus vite que les instruments capables d'en observer les usages de manière neutre, et les travaux académiques sur le sujet dépendent encore largement de ce que les éditeurs acceptent de partager.

Pour les entreprises, la conclusion est moins spectaculaire qu'utile : sur l'usage réel de l'IA, personne ne dispose aujourd'hui d'une photographie complète, pas même celles qui publient les rapports. Cela invite à considérer sa propre mesure interne non comme un exercice administratif, mais comme la seule base solide pour décider où l'IA a réellement sa place dans le travail.

Questions fréquentes

Pourquoi les rapports d'usage publiés par OpenAI et Anthropic sont-ils critiqués ?

Parce que ce sont les éditeurs eux-mêmes qui décident des données rendues publiques, et qu'aucun tiers ne peut les vérifier. La critique ne porte pas sur une falsification des chiffres, mais sur le caractère éditorial de la sélection. Un rapport peut être exact dans ce qu'il affirme tout en restant silencieux sur ce qui n'a pas été mesuré, ou sur ce qui l'a été sans être publié.

Qu'est-ce qui échappe au contrôle externe dans ces rapports ?

Le périmètre analysé, les catégories retenues, la période observée et les usages mis en avant sont choisis par l'éditeur. Ces paramètres relèvent d'un choix éditorial et non d'un protocole ouvert, ce qui empêche toute reproduction ou contestation méthodique des résultats.

Qui a déclaré qu'il n'existe aucune source indépendante pour recouper ces données ?

Anka Reuel, doctorante en informatique au Stanford Trustworthy AI Research, citée par la MIT Technology Review. La formule souligne l'absence d'appareil de mesure externe dans le champ de l'usage de l'IA.

Comment d'autres secteurs mesurent-ils l'usage de manière indépendante ?

Dans d'autres domaines, des instituts publics, des panels ou des organismes de mesure d'audience produisent des données concurrentes. Recouper une donnée au sens statistique suppose de disposer d'au moins une seconde mesure obtenue par une méthode différente. Le champ de l'usage de l'IA ne dispose pas d'un équivalent.

Pourquoi cela concerne-t-il les entreprises qui investissent dans l'IA ?

Ces rapports sont abondamment repris dans la presse, les études de marché et les présentations internes. Les directions qui s'appuient sur ces chiffres pour arbitrer leurs projets d'IA fondent donc leurs décisions sur des données produites par les vendeurs des outils concernés, sans possibilité de recoupement externe.