Comprendre l’effet réel de l’IA sur le travail et l’économie reste difficile : les annonces spectaculaires côtoient des mesures rares et fragmentées. Google avance sur deux fronts complémentaires. D’un côté, l’entreprise étoffe son équipe de recherche AI & Economy avec de nouveaux profils académiques S1. De l’autre, elle diffuse ATLAS, une étude à grande échelle censée décrire comment les gens utilisent concrètement ses outils d’IA S2. Voici ce que ces éléments apportent, et leurs limites, pour un lecteur francophone.
Une équipe de recherche élargie
Google annonce l’arrivée de Philippe Aghion comme conseiller académique de son groupe consultatif, avec pour objectif affiché de modéliser la trajectoire macroéconomique de long terme de l’IA à partir de ses travaux sur la croissance portée par l’innovation S1. Il rejoint un groupe qui inclut déjà Michael Spence et Diane Coyle S1. Par ailleurs, Anu Madgavkar et Daniel Rock dirigeront le programme de recherche AI & Economy, aux côtés d’Alex Imas et de Zanna Iscenko au sein du bureau de l’économiste en chef de Google S1.
Ce renfort reste une initiative d’éditeur : elle structure une recherche interne, pas une évaluation indépendante. À retenir donc comme une orientation de travail, non comme une validation externe des résultats.
ATLAS : un panorama à grande échelle
L’outil central s’appelle ATLAS. Sa première version, v1.0, s’appuie sur 15 millions d’interactions agrégées et dépersonnalisées issues de l’application Gemini, d’AI Mode et de l’API Gemini, des services utilisés par plus d’un milliard de personnes chaque mois S2. La couverture annoncée dépasse 150 pays, 140 langues, 800 métiers et 4 000 tâches S2.
Un enseignement se détache : au travail, l’usage se concentre sur la collaboration et l’assistance, pas sur l’automatisation complète. Selon ATLAS, moins de 10 % des interactions professionnelles analysées automatisent pleinement une tâche S2. Les usages dits « cognitifs non routiniers » — conception créative, test d’hypothèses — apparaissent plus souvent dans les interactions de travail que dans l’économie en général (65 % contre 35 %) S2.
Sectoriel et géographique : nuances
Les données de septembre 2026 précisent le tableau. Les États-Unis mènent l’adoption technique : les métiers informatiques et mathématiques y représentent 30 % de l’usage lié au travail, soit le double de la part observée dans le reste du monde S3. Côté recherche, les scientifiques déclarent économiser près de 7 heures par semaine grâce à l’IA S3. Mais ce gain déplace le problème : il crée des goulots d’étranglement plus loin dans la chaîne, avec une accumulation d’hypothèses en attente S3.
Cette réserve mérite l’attention. Gagner du temps en amont ne fait pas disparaître les contraintes en aval ; cela peut simplement déplacer le point de tension.
Lecture rapide
| Élément | Ce que ça dit | Limite |
|---|---|---|
| Équipe élargie | Recherche interne renforcée S1 | Pas une évaluation indépendante |
| ATLAS v1.0 | 15 M d’interactions, usage surtout collaboratif S2 | Périmètre limité aux produits Google |
| Gains scientifiques | ~7 h/semaine économisées S3 | Nouveaux goulots en aval S3 |
Ce que vous pouvez en faire
Ces données concernent les outils de Google et proviennent de son propre bureau d’études : elles décrivent des usages observés sur ses produits, pas l’ensemble du marché S2S3. Traitez-les comme un signal utile, à recouper.
Concrètement, si vous introduisez l’IA dans une équipe, visez d’abord des usages d’assistance (idéation, recherche d’information, apprentissage), là où l’adoption réelle se situe S2, plutôt qu’une automatisation totale encore rare S2. Anticipez aussi les effets de déplacement : mesurez où le travail s’accumule après le gain de temps S3. Pour monter en compétence, notre guide des meilleures formations IA en ligne en 2026 peut aider à cadrer un plan d’apprentissage.
Sources consultées
- New experts join Google’s AI & Economy team
- Understanding the AI economy
- New insights from Google’s AI & Economy ATLAS
- blog.google — blog.google
