Étude Google ATLAS : l’IA aide plus qu’elle n’automatise

L’étude Google ATLAS analyse 15 millions d’interactions agrégées issues de Gemini App, AI Mode et Gemini API. Elle décrit une adoption professionnelle très large, mais encore limitée à une fraction des tâches quotidiennes. L’intelligence artificielle apparaît surtout comme un outil d’assistance pour rechercher une information, apprendre, résoudre un problème ou préparer une décision. Les résultats nuancent donc l’idée d’une automatisation massive du travail. Ils révèlent aussi des usages inattendus dans les métiers manuels, où les fonctions multimodales servent déjà au diagnostic et à l’inspection.

À retenir

• L’IA est utilisée dans 68 % des professions étudiées, représentant près de 90 % de l’emploi américain.
• Dans un métier type, elle intervient sur environ 21 % des tâches.
• Moins de 10 % des interactions professionnelles analysées correspondent à une automatisation complète.

L’étude Google ATLAS mesure un usage large mais peu profond

Le jeu de données couvre plus de 150 pays, 140 langues, 800 professions et 4 000 tâches. Les échanges ont été agrégés, désidentifiés et classés avec OCTO, un outil interne qui regroupe les conversations par activité et intention. Les détails publiés dans la présentation officielle de l’étude précisent que les références personnelles et sensibles ont été retirées avant l’analyse.

La diffusion est impressionnante, mais l’intensité reste faible. Une utilisation professionnelle apparaît dans 68 % des professions observées, alors que le métier médian n’emploie l’IA que pour environ 21 % de ses tâches. Cette différence décrit une adoption « large mais peu profonde » : beaucoup de métiers sont concernés, sans que leurs journées de travail soient entièrement restructurées.

L’IA assiste surtout au lieu de remplacer

Les usages collaboratifs dominent. Les utilisateurs demandent à Gemini de rechercher des informations, générer des idées, expliquer un sujet ou préparer une stratégie. Les tâches cognitives non routinières représentent 65 % des interactions professionnelles, contre environ 35 % dans l’économie américaine prise comme référence.

L’automatisation de bout en bout reste minoritaire. Moins de 10 % des interactions professionnelles classées comme tâches cognitives non routinières visent une exécution complète sans intervention humaine. Cette tendance rejoint les capacités observées dans les tâches professionnelles de GPT-5.4 : les modèles accélèrent certaines étapes, mais la validation, le contexte métier et la responsabilité restent humains.

Ces chiffres ne prouvent cependant ni un gain de productivité, ni une absence de suppressions d’emplois. Ils montrent seulement comment les personnes utilisent les produits étudiés. Une même assistance peut faire gagner quelques minutes, modifier un poste entier ou rester sans effet mesurable selon l’organisation.

Les métiers manuels et les usages privés changent le tableau

L’un des résultats les plus intéressants concerne les professions techniques. Les mécaniciens automobiles, techniciens industriels et spécialistes de maintenance utilisent les fonctions multimodales pour interpréter des résultats, examiner une usure ou diagnostiquer un câblage. Ces travailleurs recourent deux fois plus souvent aux images et aux autres entrées multimodales que la moyenne des professions.

Cette pratique rapproche l’IA d’un assistant de terrain. Une photo, un schéma ou une mesure peut compléter la description écrite d’une panne. Le passage de la conversation à l’exécution, illustré par Claude Cowork et le travail réel, pourrait ensuite étendre ces usages à des procédures guidées ou à des comptes rendus automatisés.

Le travail ne représente pourtant qu’une petite partie du corpus. Plus de 86 % des interactions observées se déroulent hors contexte professionnel. Les utilisateurs comparent des produits, cherchent de l’aide pour leur logement, comprennent des démarches administratives ou apprennent à utiliser un appareil. L’anglais ne représente qu’environ un tiers des conversations, ce qui confirme un usage déjà largement mondial.

Les limites de l’étude Google ATLAS

Le principal biais vient du périmètre. Le corpus repose uniquement sur Gemini App, AI Mode et Gemini API. Il exclut notamment Google Workspace, Translate, AI Overviews, Gemini Enterprise et plusieurs outils de programmation. Les usages internes aux entreprises, potentiellement plus automatisés, sont donc mal représentés.

La classification dépend aussi d’OCTO et d’inférences sur l’intention des conversations. Même avec des données désidentifiées, une interaction ne révèle pas toujours le métier réel de l’utilisateur, le temps gagné ou la qualité du résultat. Une comparaison indépendante avec d’autres plateformes sera nécessaire pour mesurer la solidité des tendances.

L’étude Google ATLAS fournit ainsi une photographie utile, pas une prévision de l’emploi. Elle montre une IA déjà présente dans de nombreux métiers, mais surtout utilisée comme partenaire ponctuel. Sa valeur éditoriale tient à cette nuance : l’adoption progresse plus vite que l’automatisation complète, tandis que les effets économiques restent encore à démontrer.

Qu’est-ce que Google ATLAS ?

ATLAS signifie Activity, Task, Landscape, and Adoption Study. Le projet cartographie les usages de Gemini dans le travail et la vie quotidienne.

L’étude montre-t-elle que l’IA remplace les salariés ?

Non. Elle mesure des usages à partir des interactions, pas les suppressions de postes, les salaires ou les gains de productivité.

Pourquoi Google Workspace est-il absent ?

Les produits Workspace et Enterprise ne font pas partie du corpus présenté. L’étude ne couvre donc pas une grande partie des usages professionnels intégrés.