Examen de « Comment les gens utilisent ChatGPT »

Je m’appelle Ilya Romanov et je travaille sur un produit d’IA en mode furtif. Dans mon dernier article, j’ai parlé d’un rapport de MIT (pas vraiment ?) disruptif sur l’IA et les résultats financiers. Un autre rapport qui fait du bruit est sorti – « Comment les gens utilisent ChatGPT ». Son introduction audacieuse « En résumé, nous constatons que ChatGPT apporte une valeur économique grâce à un soutien décisionnel, qui est particulièrement important dans les emplois à forte intensité de connaissances » m’a fait me demander si, enfin, il existe un dossier prouvé de l’IA ajoutant tangiblement à un processus de travail et aux résultats financiers. Plongeons maintenant dans le détail !

Le rapport et l’équipe

« Comment les gens utilisent ChatGPT » a été préparé par des chercheurs d’OpenAI et l’économiste de Harvard David Deming. Leur expertise combinée en ingénierie d’IA, analyse de données respectant la vie privée et politique économique a rendu possible la création de cette vaste étude empirique à grande échelle de ChatGPT.

L’étude s’appuie sur un impressionnant bassin de 1,5 million de conversations avec ChatGPT. L’équipe a utilisé le tunnel de préservation de la vie privée pour anonymiser les utilisateurs tout en comprenant l’intention derrière les messages. Essentiellement, chaque conversation ChatGPT a été passée à travers un filtre automatisé qui a supprimé tous les noms ou détails personnels avant que les chercheurs ne les voient. Ces étiquettes générées par machine (comme le sujet ou l’intention) ont été analysées. Pour relier les antécédents démographiques de base, tels que l’éducation ou la profession, l’équipe a travaillé dans un environnement de salle blanche sécurisée où ils ne pouvaient tirer que des données agrégées sur des groupes d’au moins 100 utilisateurs, de sorte qu’aucun individu ou message ne puisse être identifié ou réidentifié.

Résultats

La déclaration audacieuse dans l’« Abstract » est l’une des principales conclusions sur la manière dont l’IA livre de la valeur dans l’économie moderne. Contrairement aux innombrables solutions « automatiser-tout » qui surgissent ces derniers temps, ChatGPT est principalement utilisé comme outil de soutien décisionnel plutôt que comme plate-forme d’automatisation de tâches pure. Le rapport présente deux types de tâches que les utilisateurs confient à ChatGPT : « Demander » et « Faire ». Le premier fait référence à des emplois comme la recherche d’informations, la consultation ou la guidance pour de meilleures décisions ( « Quelle est la différence entre corrélation et causalité ? » ). Le second consiste à effectuer des tâches spécifiques comme la rédaction d’e-mails, la rédaction de rapports et même la création de code ( « Écrivez un e-mail à mon manager disant que je n’ai pas pu joindre les ventes, bien que j’aie appelé plusieurs fois » ).

Intéressant, le rapport distingue les conversations de travail et les conversations non professionnelles. Toutes les conversations non professionnelles représentent jusqu’à 70 % en 2025, montrant ainsi une forte augmentation par rapport à 53 % en 2024. Les interactions personnelles sont principalement axées sur des tâches quotidiennes (conseils « comment faire » et tutorat) et des aides à la rédaction (édition ou traduction). Cette augmentation et le contexte d’utilisation positionnent ChatGPT comme un compagnon quotidien – le nouveau Google, en quelque sorte – pour l’exploration, le travail créatif et la prise de décision en dehors du lieu de travail.

Le rapport révèle que 49 % de tous les messages sont des « Demander » par rapport à seulement 40 % de « Faire » des invites. L’astuce est que les messages « Demander » augmentent plus vite et obtiennent des notes de satisfaction plus élevées de la part des utilisateurs de ChatGPT. En juillet 2024, « Demander » et « Faire » étaient presque égaux, représentant 46 % de tous les messages ChatGPT. En juin 2025, « Demander » est passé à 51,6 %, ce qui représente une augmentation absolue de 5,6 points de pourcentage, soit un gain relatif de 12 %, tandis que « Faire » est tombé à 34,6 %, ce qui représente une baisse relative de 25 %.

Que signifie cette divergence ? Le bénéfice économique, selon le rapport, réside dans une prise de décision plus rapide et mieux informée dans les emplois à forte intensité de connaissances, ce qui amplifie la productivité. Dans les emplois à forte intensité de connaissances, où les résultats commerciaux sont directement influencés par la qualité et la rapidité de la prise de décision, avoir accès à de meilleures informations traitées, à des perspectives alternatives et à un excellent soutien analytique peut considérablement améliorer les performances des travailleurs.

La base de la conclusion est les résultats. D’une part, les utilisateurs ayant des diplômes d’études supérieures sont environ 2 points de pourcentage plus susceptibles d’utiliser ChatGPT pour « Demander » et 1,6 point de pourcentage moins susceptibles d’envoyer des messages « Faire » par rapport aux utilisateurs moins instruits. De même, les utilisateurs dans des professions scientifiques et techniques bien rémunérées sont plus susceptibles d’utiliser l’IA pour « Demander » – 47 % des messages liés au travail sont des « Demander » dans les emplois liés à l’informatique.

Les capacités de prise de décision invisibles qui dépassent de loin le cerveau humain peuvent se refléter dans l’argent – non pas en termes de revenu qu’OpenAI a généré (un colossale 13 milliards de dollars de revenu annuel récurrent, au début d’août de cette année) mais en termes de surplus du consommateur. Pour simplifier, le surplus du consommateur est l’écart entre le montant maximum qu’une personne est prête à payer pour un service et le prix qu’elle paie réellement. Par exemple, je suis prêt à payer 100 dollars pour un abonnement mensuel ChatGPT mais je paie 20 dollars, donc le surplus du consommateur est de 80 dollars.

À grande échelle, comme la recherche de Collis et Brynjolfsson (2025) l’a constaté, le surplus du consommateur est d’au moins 97 milliards de dollars aux États-Unis seulement. Et il semble que, d’après leur recherche, les gens devraient être payés 98 dollars en moyenne pour arrêter d’utiliser l’IA générative pendant un mois. La valeur que ChatGPT a pour les utilisateurs dans les contextes de travail et non professionnels est immense, et il est sûr de dire qu’il y a un gain financier encore plus important dans un contexte d’entreprise.

Pourquoi demander ?

Alors que je recherchais l’équipe derrière ce rapport et (surprise !) que j’ai invité Perplexity à réfléchir avec moi à ce rapport, je me suis demandé pourquoi les gens demandent plutôt que de faire avec ChatGPT.

Pour le formuler de manière plus scientifique, je voudrais me référer à une recherche citée dans le rapport. Ide et Talamas (2025) ont présenté deux rôles que l’IA joue sur le lieu de travail : Collègue de travail qui produit des livrables, c’est-à-dire fait du travail, et Co-pilote qui améliore la résolution de problèmes sans aucun résultat final. Les données de « Comment les gens utilisent ChatGPT » soutiennent le paradigme du co-pilote : encore une fois, les gens demandent plutôt que de faire avec ChatGPT (49 % contre 40 %) et la demande est en augmentation et « Prendre des décisions et résoudre des problèmes » figure parmi les principales activités de travail dans chaque groupe d’occupation étudié. En résumé, ChatGPT fournit des conseils plutôt que du travail dans la plupart des cas.

Alors, l’IA est un co-pilote (Microsoft savait-il quelque chose en nommant son outil d’IA… si vous captez mon allusion) dans la plupart des cas. Mais pourquoi ? Faites défiler votre fil d’actualité LinkedIn et vous verrez « Automatiser ceci » et « Automatiser cela ».

J’y ai également réfléchi en lisant le rapport et des centaines de publications LinkedIn enthousiastes d’enthousiastes de l’IA qui ont trouvé CE script pour enfin faire fonctionner l’IA. Mon hypothèse est que cette prédominance de la demande de type « Demander » sur le type « Faire » avec ChatGPT peut être simplement le reflet des limitations actuelles (ou passées) du modèle plutôt que d’une préférence fondamentale du public pour l’IA en tant que co-pilote. Il est probable qu’une fois qu’il y aura une solution d’IA véritablement puissante, les utilisateurs adopteront de plus en plus l’IA en tant que véritable collègue de travail plutôt que conseiller. Pour simplifier, les gens veulent utiliser l’IA comme collègue de travail, mais il y a encore des contraintes.

À partir de mon expérience et de ce que j’ai entendu lors des entretiens de développement de produits, j’hypothèse qu’il y a un inconvénient grave que l’IA n’est pas encore en mesure de surmonter. Un, il manque de contexte. Deux, tout travail ne peut pas être décomposé en une invite simple (ou je ne suis pas assez patient).

Laissez-moi élaborer ces deux points. Puisque l’IA manque de contexte, elle ne peut pas être laissée libre lorsqu’il s’agit de création de contenu. Elle doit être surveillée et l’invite peut devoir être révisée pour un résultat différent, meilleur. IBM a expliqué l’idée en termes scientifiques. Les humains accumulent une compréhension situationnelle riche grâce à une perception, une mémoire et une expérience du monde réel ininterrompues, tandis que les assistants d’IA fonctionnent uniquement en prédisant le prochain jeton (~mot) en fonction d’une fenêtre de contexte fixe de saisies récentes. L’IA a une mémoire à court terme et les informations plus anciennes sont perdues une fois que la capacité de mémoire est remplie.

Les grands modèles de langage ont du mal avec les tâches complexes à plusieurs étapes. Les performances et la cohérence se dégradent à mesure que les tâches se combinent, Prompt Drive l’explique. Il y a une approche pour surmonter la limitation – l’approche de division et de conquête. Cependant, elle reconnaît qu’aucune invite unique ne peut capturer toutes les nuances, donc l’IA reste un excellent co-pilote tout en étant un collègue de travail limité.

Maintenant, j’ai réfléchi dans le domaine de ChatGPT. Cette proportion (49 % contre 40 %) se reproduit-elle avec d’autres outils d’IA ?

• 60 % des messages envoyés à Perplexity AI sont des demandes de recherche plutôt que de pure génération de contenu, selon App Labx.
• DeepSeek R1 obtient de bons résultats en tant que collègue de travail avancé pour les tâches logiques et co-pilote pour l’assistance de réflexion en chaîne, selon son rapport interne.
• GitHub Co-pilot (l’indice est dans le nom, n’est-ce pas ?) est conçu pour les suggestions d’éditeur pour le code, le débogage et l’assistance à l’apprentissage. Il est sûr de supposer que son rôle est d’aider plutôt que de faire.
• Microsoft Copilot montre une répartition à peu près égale entre Demander et Faire, reflétant les modèles d’utilisation de ChatGPT.

Alors, qu’est-ce que les résultats nous laissent ? Comme je le vois, l’IA est un puissant accélérateur pour le travail à forte intensité de connaissances qui accélère la prise de décision et se traduit par des économies de temps directes et des gains de revenus indirects. Résister à l’IA en faveur du « toucher humain » ou du « contenu unique » signifie perdre à long terme. Les gens utilisent ChatGPT et d’autres assistants d’IA pour améliorer la prise de décision, et non pour remplacer un décideur humain dans son ensemble.

Le modèle va-t-il changer ? Les gens vont-ils voir la pourriture cérébrale de masse en raison d’une délégation de travail croissante à l’IA ? Restez à l’écoute pour mon prochain article sur la manière dont l’IA affecte le cerveau humain et les capacités cognitives.