Jason Furman, qui a présidé le Conseil des conseillers économiques de la Maison Blanche (CEA) sous Barack Obama, explique dans un entretien publié par Axios le 23 octobre 2026 que s’il dirigeait ce conseil aujourd’hui et devait trancher entre 20 collaborateurs « titulaires d’un doctorat ou en passe de l’obtenir » et « les systèmes d’IA dont nous disposons aujourd’hui », il choisirait les seconds, « un peu à regret et avec tristesse ».
Le professeur de Harvard a de quoi étayer ce choix. Son site présente cinq articles d’économie, tous rédigés par Claude lors d’« une seule exécution sans surveillance, à partir d’une consigne brève ». Le jour où l’entretien est paru, il a lancé Econvitals, un site gratuit de données économiques qui repose, selon lui, sur environ 500 000 lignes de code dont il n’a pas lu une seule.
Un article de recherche à partir de deux phrases
Jason Furman a conçu en août un système baptisé Paperwright. « Quelqu’un tape un sujet, souvent une seule ligne. À partir de là, personne ne touche au travail », écrit-il sur la page du projet. Claude, le modèle d’Anthropic, trouve une question qui mérite d’être posée, passe en revue la littérature, rassemble les données, mène l’analyse et rédige l’article. Il soumet ensuite le texte à une relecture simulée, puis livre le tout avec un dossier de réplication.
Les cinq articles portent sur l’impôt implicite supporté par les détenteurs d’obligations municipales (43 pages, 7 août), la réaction des marchés financiers aux statistiques économiques inattendues (56 pages, 12 août), le salaire minimum à l’ère des 15 dollars de l’heure (36 pages, 20 août), les acheteurs de la nouvelle dette du Trésor américain et son coût (73 pages, 1er octobre), et l’effet des centres de données sur les prix de l’électricité (65 pages, 2 octobre). Claude figure comme auteur de chacun.
L’article sur le salaire minimum montre combien l’apport humain est mince. La commande tenait en deux phrases, en anglais : effet des hausses du salaire minimum sur les revenus, l’emploi et la pauvreté, de préférence avec l’enquête SIPP, d’autres données étant les bienvenues à la place ou en complément. Le système en a tiré une analyse portant sur 4,0 millions de mois-personnes de cette enquête fédérale auprès des ménages. L’article sur les centres de données partait, lui, d’un cahier des charges d’environ 210 mots.
Des chiffres écrits par le code
Selon la page de méthode, Paperwright imagine, pour une demande courte, huit à douze articles possibles, les fait classer par trois rapporteurs simulés et envoie les trois meilleures pistes au demandeur, qui en choisit une (sans réponse, il retient le premier choix des rapporteurs). Il rédige et horodate son plan d’analyse avant de lancer les tests principaux. Une règle vaut ensuite partout : « le rédacteur ne tape jamais un chiffre ». Chaque nombre du texte est inséré à partir des résultats du code.
Les articles au format du National Bureau of Economic Research sont soumis, en deux tours, à cinq rapporteurs simulés qui lisent à l’aveugle et à un lecteur chargé de plaider pour l’article. Rien ne sort tant que chaque chiffre n’est pas relié au code, chaque citation comparée mot à mot à sa source et chaque référence vérifiée sur le texte cité lui-même.
Ces contrôles sont consultables en ligne. Chacune des 223 affirmations chiffrées de l’article sur le salaire minimum est reliée à un résultat du code. La note de travail de l’article sur les centres de données fait état de 383 affirmations validées sur 383. Elle chiffre l’ensemble à « environ dix heures de temps d’agent, deux tours de relecture compris », en quatre tentatives, dont deux reprises après une interruption pour limite d’utilisation.
Un site de 484 000 lignes de code jamais lues
Econvitals est en ligne depuis le vendredi 23 octobre. Le site suit la croissance, l’emploi, l’inflation, les conditions financières et le budget fédéral des États-Unis dans des graphiques actualisés à chaque nouvelle publication, et envoie des notes gratuites par e-mail.
Selon Axios, Jason Furman l’a monté sur son temps libre, avec « un peu d’aide d’assistants de recherche et beaucoup d’aide de Claude », et Codex, l’outil d’OpenAI, a assuré quelques vérifications croisées. Sur la page de présentation, il écrit que le système compte « environ 500 000 lignes de code » et qu’il n’en a « pas regardé une seule » : tout a été fait en vibe coding, c’est-à-dire en confiant l’écriture du code à l’IA.
Une note de lancement rédigée par Claude estime ce qu’aurait coûté le même chantier avant l’IA. Elle recense environ 484 000 lignes de code, environ 110 sources de données et environ 790 graphiques, construits « pour l’essentiel au cours des cinq mois précédant le lancement ». Le calcul par lignes de code donne environ 115 années-personnes, le calcul par tâches environ 60.
La note retient environ 85 années-personnes, dans une fourchette de 50 à 150. Sur trois ans, cela correspond à environ 28 ingénieurs, spécialistes des données et analystes, et à une entreprise de 45 à 55 personnes une fois ajoutés les économistes, les cadres et le personnel administratif. La main-d’œuvre seule coûterait environ 20 millions de dollars (entre 12 et 38 millions).
La note demande de « traiter chaque chiffre comme un ordre de grandeur ». Aucun audit extérieur n’a vérifié cette estimation, qui est celle de Claude.
Une comparaison menée par un économiste de la Fed
Serafin Grundl, économiste au conseil des gouverneurs de la Réserve fédérale, a mené une étude distincte, qui ne porte pas sur les travaux de Jason Furman. Dans un article daté du 9 juillet, il confie à des agents d’IA l’exercice en trois étapes déjà réalisé par 146 équipes de chercheurs : mesurer l’effet de l’éligibilité au programme migratoire DACA sur la probabilité de travailler à temps plein. Codex avec GPT-5.4, Codex avec GPT-5.3-Codex et Claude Code avec Opus 4.6 refont chacun chaque tâche 100 fois.
En moyenne, leurs estimations rejoignent celles des équipes humaines, dont les résultats sont plus dispersés aux extrêmes. Quatre modèles d’IA chargés d’évaluer les travaux côte à côte ont tous produit le même classement : GPT-5.4 en tête, GPT-5.3-Codex deuxième, Opus 4.6 troisième, les équipes humaines en dernier. Grundl reconnaît qu’il ne peut exclure un biais des évaluateurs IA contre les travaux humains, et l’article indique qu’il n’engage pas la Fed.
Les limites fixées par Jason Furman lui-même
La page des articles énonce ces limites sans détour : ils « ne sont pas vérifiés, n’ont été ni corrigés ni relus par personne, n’ont été soumis ni publiés nulle part et peuvent contenir des erreurs. Ils ne reflètent pas mes opinions ». Les rapporteurs sont simulés et aucune revue n’a vu ces travaux.
Pour l’article sur les centres de données, les cinq rapporteurs simulés ont demandé une révision majeure aux deux tours et estimaient, en médiane, ses chances d’acceptation en l’état à environ 30 %. La note de travail liste aussi des points non résolus, comme la charge électrique de chaque centre, qu’aucun registre public ne recense.
Dans l’entretien, Jason Furman estime qu’« en matière de fiabilité factuelle », ces systèmes sont « à ce stade, bien utilisés, meilleurs que n’importe quel humain », et affirme que « l’idée des hallucinations tient à un mélange d’usage dépassé ou incompétent ». Il admet qu’ils ne sont « pas encore aussi créatifs et stimulants que les meilleurs humains ». Pour Axios, ces articles ne vaudraient pas une titularisation à un jeune économiste. Le média les juge toutefois « remarquablement solides au vu du peu d’effort humain fourni ».
Les humains gardent une place dans le conseil qu’il imagine : il faudrait encore des collaborateurs au CEA « pour participer aux réunions, parler à la presse, parler au Congrès ». Son inquiétude porte sur le volume : « N’importe quel idiot pourrait écrire 300 articles par an aujourd’hui, et ils seraient corrects et exacts. Mais j’espère que les gens écriront de meilleurs articles plutôt que davantage d’articles. »
Notre analyse
D’autres disciplines ont connu des résultats comparables ce mois-ci. Un physicien de Harvard a signé 36 manuscrits en trois mois avec Claude, une IA a trouvé des contre-exemples explicites à une conjecture de 1967 sur la fusion, et d’anciens rédacteurs en chef de revues, jugeant à l’aveugle, ont préféré les relectures de l’IA à celles d’experts. En économie, un ancien économiste en chef de la Maison Blanche met désormais en ligne des articles complets qu’aucun humain n’a corrigés, accompagnés de leur code de réplication et, pour quatre d’entre eux, d’une note de travail.
Le changement mesurable porte sur le coût. Un article de 65 pages aux 383 chiffres vérifiés a demandé environ dix heures de temps d’agent. Un site que sa propre note de lancement évalue à quelque 85 années-personnes de travail sans IA a été construit, pour l’essentiel en cinq mois, par un professeur aidé d’assistants de recherche. Dans Paperwright, une personne tape encore le sujet et, pour une demande courte, peut choisir l’une des trois pistes les mieux classées par les rapporteurs.
Les prochains tests se joueront hors de son site. Paperwright ne soumet jamais un article de lui-même, et aucun des cinq n’a été envoyé à une revue : aucun rapporteur réel ne s’est donc encore prononcé. Chaque article est mis en ligne avec les scripts et la liste des données de ses tableaux : d’autres économistes peuvent désormais les relancer.
Sources
- How AI is transforming economic research and analysis, Axios, 23 octobre 2026
- AI-Generated Economics Papers: An Experiment, Jason Furman, articles datés du 7 août au 2 octobre 2026
- How Paperwright Works, Jason Furman, mis à jour le 4 octobre 2026
- The Impact of Minimum Wage Increases on Incomes, Employment, and Poverty: Monthly Evidence from the $15 Era, Claude (Paperwright), jasonfurman.org, 20 août 2026
- Process memo, Data Centers and Retail Electricity Prices, Claude (Paperwright), jasonfurman.org, 2 octobre 2026
- About, Jason Furman, Econvitals, site lancé le 23 octobre 2026
- What would it have taken to build Econvitals before AI?, note rédigée par Claude, Econvitals, octobre 2026
- A Comparison of Agentic AI Systems and Human Economists, Serafin Grundl, claude-code-economist.com, 9 juillet 2026
Image d’en-tête : graphique MACCUS, données des pages AI-Generated Economics Papers et du mémo de travail de Jason Furman (jasonfurman.org, 2026)
