Robots et IA : 74 % des tâches physiques sont faisables, mais seulement 0,3 % sont rentables
Le 30 septembre 2026, Anthropic a publié une étude sur l’exposition du travail aux robots. Le chiffre qui attire l’œil est spectaculaire : les robots actuels pourraient accomplir 74 % des tâches physiques recensées aux États-Unis, soit environ 34 % de l’ensemble du temps de travail.
Mais le résultat vraiment utile arrive juste après : selon les estimations de l’étude, les robots ne sont aujourd’hui moins chers que le travail humain que pour 0,3 % des tâches. Autrement dit, « techniquement possible » et « raisonnable à déployer » sont deux mondes différents.
C’est une étude sur la robotique américaine, pas un catalogue de solutions pour les TPE françaises. Pourtant, sa conclusion s’applique directement aux automatisations numériques : une démonstration impressionnante ne suffit pas. Il faut que le système fonctionne dans les vraies conditions de l’entreprise, avec ses exceptions, ses contraintes et ses coûts cachés.
Ce que l’étude mesure réellement
Anthropic s’appuie sur O*NET, une base du Département du Travail américain décrivant environ 900 métiers et près de 19 000 tâches. Les auteurs ont isolé 7 594 tâches physiques, puis évalué si un robot actuel pouvait les accomplir et dans quel environnement.
- E0 : aucun robot actuel ne sait réaliser la tâche.
- E1 : le robot y arrive dans un environnement construit spécialement pour lui, comme une chaîne industrielle.
- E2 : il peut intervenir dans un lieu humain structuré, comme un entrepôt.
- E3 : il peut agir dans un environnement non structuré, comme une route ouverte.
Cette nuance change tout. La moitié des tâches physiques est classée E1 : elles sont faisables, mais à condition d’organiser l’environnement autour de la machine. Seules 2 % des tâches physiques atteignent le niveau E3, celui où le robot s’adapte à un monde moins prévisible.
Une tâche automatisable ne signifie pas qu’un métier disparaît
L’étude parle de tâches, pas de remplacement intégral d’un poste. Un soudeur ne fait pas que déposer un cordon de soudure. Il positionne les pièces, contrôle le résultat, prépare les surfaces, travaille dans des endroits difficiles d’accès et gère des imprévus. Un robot peut exceller sur une partie répétitive tout en restant incapable de prendre en charge l’ensemble.
Anthropic estime par exemple que l’automatisation robotique du travail d’un soudeur coûterait environ cinq fois plus cher que le travail humain, malgré l’existence de cellules capables de souder de manière autonome. Le verrou n’est donc pas seulement la qualité de la soudure : c’est tout ce qu’il faut construire autour.
Cette lecture évite deux erreurs opposées : croire que la technologie ne changera rien parce qu’elle ne sait pas tout faire, ou annoncer la disparition d’un métier dès qu’une démonstration réussit une de ses tâches.
Le coût réel dépasse largement le prix de la machine
Pour comparer robots et humains, les chercheurs prennent en compte l’investissement initial, la durée de vie, le coût du capital, l’énergie, la maintenance et la supervision. Ils soulignent aussi les limites de l’exercice : une même machine peut couvrir plusieurs tâches, les coûts d’intégration sont difficiles à estimer et la réglementation peut ralentir un déploiement pourtant viable sur le papier.
Au rythme historique d’une baisse d’environ 3 % par an du prix des robots, il faudrait, selon leur scénario, près de quarante ans pour que la part de travail économiquement automatisable atteigne 10 %. Des progrès techniques plus rapides pourraient raccourcir ce délai, mais ce n’est pas une certitude.
Le chiffre de 0,3 % ne veut donc pas dire que les robots sont inutiles. Il rappelle simplement qu’une capacité impressionnante peut rester trop chère, trop fragile ou trop spécialisée pour être rentable aujourd’hui.
La même erreur existe avec l’IA et les automatisations
Dans le numérique, la barrière matérielle est plus faible, mais le piège est identique. Un agent IA peut réussir une démonstration en dix minutes et devenir pénible à maintenir lorsqu’il rencontre des données incomplètes, un logiciel qui change, une validation humaine oubliée ou un cas client inhabituel.
Le coût réel d’un workflow comprend notamment :
- le temps d’analyse et de construction ;
- les abonnements à n8n, Make, Zapier ou aux API utilisées ;
- l’hébergement, les sauvegardes et la surveillance ;
- la gestion des erreurs et des changements de format ;
- les validations humaines qui restent nécessaires ;
- la maintenance lorsque les outils connectés modifient leur API ;
- le risque commercial ou réglementaire en cas de mauvaise décision.
Une automatisation qui économise cinq minutes par mois mais demande deux heures de maintenance annuelle n’est pas une victoire. À l’inverse, un workflow très simple peut être rentable s’il supprime chaque jour une saisie répétitive et vérifiable.
Les cinq questions à poser avant d’automatiser
1. La tâche est-elle fréquente et mesurable ?
Il faut connaître le volume, le temps passé et les erreurs actuelles. Sans mesure de départ, impossible de savoir si l’automatisation apporte réellement quelque chose.
2. Les entrées sont-elles suffisamment stables ?
Un formulaire bien structuré se traite facilement. Une boîte mail contenant des demandes formulées de vingt façons différentes demande davantage de règles, parfois de l’IA, et surtout une gestion des cas ambigus.
3. Combien d’exceptions faut-il gérer ?
Le scénario principal est rarement la partie la plus chère. Ce sont les doublons, les champs absents, les pièces jointes incorrectes et les services indisponibles qui transforment un petit workflow en système métier.
4. Que se passe-t-il quand le système se trompe ?
Une erreur de classement interne n’a pas le même impact qu’une facture envoyée au mauvais client ou qu’une suppression de données. Plus la conséquence est grave, plus il faut des contrôles déterministes, des journaux et une validation humaine.
5. Le gain couvre-t-il tous les coûts ?
Le calcul doit intégrer la conception, les abonnements, l’hébergement, les API, le support, la maintenance et le temps humain restant. Le retour n’est pas toujours financier : une meilleure traçabilité ou une baisse du risque peuvent compter, mais il faut les nommer clairement.
Déterministe d’abord, IA là où elle apporte vraiment quelque chose
L’étude montre que les robots sont les plus efficaces dans les environnements structurés. C’est également vrai pour les workflows numériques. Une règle claire, un format imposé et un contrôle simple coûtent moins cher et se testent mieux qu’un agent IA laissé libre de décider de tout.
L’IA devient utile lorsque les données sont naturellement variables : résumer une demande, proposer une catégorie, extraire des informations d’un texte ou préparer une réponse. Même dans ces cas, elle peut rester une étape encadrée par des règles classiques :
- le système déterministe collecte et vérifie les données ;
- l’IA traite uniquement la partie variable ;
- des contrôles vérifient le format et les limites ;
- un humain valide les décisions sensibles ;
- les résultats et les erreurs sont journalisés.
Ce montage est moins spectaculaire qu’un « agent autonome », mais il est souvent plus fiable, moins cher et plus facile à expliquer au client.
Ce que cela change concrètement pour une TPE
Avant de parler d’outil, il faut découper le travail réel. Pour un artisan ou une petite entreprise, de bons premiers candidats peuvent être le transfert d’un formulaire vers un tableau de suivi, un rappel de rendez-vous, le rangement contrôlé de documents ou la préparation d’un compte rendu. Ce sont des tâches fréquentes, bornées et faciles à vérifier.
À l’inverse, automatiser d’emblée une décision commerciale complexe, une réponse juridique ou une relation client sensible demande beaucoup plus de garde-fous. Le système doit savoir s’arrêter et passer la main, pas seulement produire une réponse plausible.
FuretSplick ne propose pas de robot industriel. Le lien pratique avec ses prestations d’automatisation est la méthode : observer les tâches, mesurer le gain, choisir la solution la plus simple, tester les exceptions et conserver une validation humaine là où l’erreur coûte cher.
Une étude utile, mais pas une boule de cristal
Les résultats concernent le marché du travail américain. Les coûts, salaires, règles et usages français sont différents. La classification s’appuie aussi en partie sur Claude pour estimer la nature des tâches, le temps consacré et certains coûts. Les auteurs publient leur méthodologie, leurs prompts et leurs sources, mais ces chiffres restent des estimations.
Il faut donc retenir l’ordre de grandeur et la méthode, pas transformer 74 % en prédiction de suppressions d’emplois. L’exposition technique indique où un changement devient possible. Elle ne dit ni quand il arrivera, ni sous quelle forme, ni s’il sera rentable.
En résumé
L’étude d’Anthropic du 30 septembre 2026 met un écart énorme en évidence : les robots peuvent déjà accomplir une grande partie des tâches physiques dans certaines conditions, mais très peu sont économiquement compétitifs aujourd’hui. Pour l’IA et l’automatisation, la leçon est la même : ne pas acheter une promesse de capacité, mais construire un résultat mesurable, maintenable et sûr.