Tout le monde n’utilise pas l’IA pour tout
(gabrielweinberg.com)- L’usage de l’IA générative via une interface de chat ressemble moins à un outil du quotidien universel qu’à un continuum entre usage intensif, usage occasionnel et non-usage
- En recoupant plusieurs données d’usage et enquêtes, l’utilisation de l’IA aux États-Unis se répartit approximativement entre un tiers d’utilisateurs intensifs, un tiers d’utilisateurs occasionnels et un tiers de non-utilisateurs
- Même au sein de la Gen Z, la notoriété de l’IA est élevée, mais l’adoption a quasiment stagné, et l’enquête Gallup montre qu’une large part correspond à un usage une fois par mois ou tous les quelques mois ainsi qu’au non-usage
- Les principales raisons qui limitent l’usage de l’IA sont les inquiétudes liées au remplacement des emplois, à l’atteinte à la vie privée, à la diffusion de fausses informations, ainsi qu’un scepticisme sur l’utilité réelle de l’IA
- Le marché et les politiques autour de l’IA doivent partir du principe que les individus diffèrent par leur intensité d’usage et leurs préoccupations, plutôt que d’opposer le faux dilemme « tout le monde l’utilise » ou « personne ne l’utilise »
« Tout le monde utilise l’IA pour tout » ressemble en réalité davantage à « certains utilisent l’IA pour certaines choses »
- Ici, l’IA ne désigne pas une catégorie définie de manière stricte, mais l’IA générative accessible via une interface de chat
- L’idée selon laquelle « une fois qu’on essaie l’IA, on l’utilise pour tout » et celle selon laquelle « l’IA devient tellement bonne que tout le monde l’utilise » ne correspondent pas aux données
- La Gen Z est le groupe le plus sensibilisé à l’IA, mais l’adoption a presque stagné au cours de l’année écoulée, et une part significative l’utilise rarement, voire pas du tout
- Les chiffres Gallup 2025/2026 pour la Gen Z montrent que l’usage de l’IA n’a pas basculé vers un usage intensif généralisé
- La part qui utilise l’IA, même rarement, est de 79 % / 81 %
- La part qui ressent de l’anxiété face à l’IA est de 41 % / 42 %
- La part qui n’utilise l’IA qu’une fois par mois ou tous les quelques mois est de 32 % / 31 %
- La part qui ressent de la colère face à l’IA est de 22 % / 31 %
- La part qui n’utilise jamais l’IA est de 21 % / 19 %
Ce que montre la répartition dans les données d’usage réelles
- Les données United States AI Diffusion de Microsoft, fondées sur des données de télémétrie Microsoft anonymisées et agrégées, estiment que plus de 30 % de la population américaine en âge de travailler utilise l’IA
- Cela signifie qu’environ 70 % ne sont pas des utilisateurs de l’IA selon ce critère
- C’est une hausse de 3 points par rapport à la fin 2025
- Le critère d’usage correspond à au moins 90 minutes par mois passées sur de grands services d’IA comme ChatGPT, Google Gemini, Anthropic Claude ou Microsoft Copilot
- Les données d’usage réelles de Datos montrent une image similaire : en juin de l’année dernière, seuls 21 % des appareils desktop ont visité des AI Tools plus de 10 fois par mois
- 62 % des appareils desktop n’ont effectué aucune visite vers des AI Tools
- Les 17 % restants se situent entre les deux
- Dans une enquête du Searchlight Institute, 58 % ont répondu avoir utilisé ou essayé une IA comme ChatGPT ou Claude
- La part qui l’utilise de manière relativement régulière est de 30 %, soit plusieurs fois par mois ou plus
- Les utilisateurs plus rares représentent 29 %, avec une fréquence d’une fois par mois ou moins
- Une nouvelle enquête de The Argument montre que la majorité des Américains utilisent l’IA une fois par semaine ou moins
L’usage de l’IA aux États-Unis ressemble à une répartition en trois blocs
- En agrégeant plusieurs sources, l’usage de l’IA aux États-Unis se répartit approximativement entre un tiers d’utilisateurs intensifs, un tiers d’utilisateurs occasionnels et un tiers de non-utilisateurs
- Cette distribution peut varier légèrement selon la définition retenue, mais elle est plus proche de « certains utilisent l’IA pour certaines choses » que de « tout le monde utilise l’IA pour tout »
- L’usage de l’IA n’a pas beaucoup évolué au cours des 6 à 12 derniers mois
- Le changement le plus marqué concerne les sentiments négatifs envers l’IA : dans l’enquête Gallup sur la Gen Z, la colère envers l’IA a augmenté d’environ 40 % sur un an
Beaucoup limitent réellement leur usage de l’IA en raison d’inquiétudes concrètes et d’une valeur perçue insuffisante
- Une part importante des individus limite activement son usage de l’IA, principalement à cause d’inquiétudes concrètes à son sujet
- Dans l’enquête Searchlight, les trois préoccupations principales sont le remplacement des emplois et le chômage, l’atteinte à la vie privée, et la diffusion de désinformation et de mensonges
- 42 % estiment que « l’IA remplacera des emplois et provoquera du chômage »
- 35 % pensent que « l’IA portera atteinte à la vie privée des personnes »
- 33 % pensent que « l’IA diffusera de fausses informations et des mensonges »
- La préférence pour une régulation de l’IA au nom de la sécurité et de la protection de la vie privée est également forte, et une majorité estime que le gouvernement doit faire passer ces règles avant la vitesse de développement de l’IA aux États-Unis, même si cela ralentit le pays par rapport à des États comme la Chine
- Le scepticisme sur l’utilité de l’IA reste élevé, et l’évaluation nette positive de son impact sur l’ensemble de la société n’est que de +8 %
- Les réseaux sociaux sont à +7 %, les cryptomonnaies à -17 %
- Les téléphones portables, Internet et l’énergie solaire sont respectivement à +68 %, +67 % et +65 %
- L’enquête de The Argument montre elle aussi un scepticisme largement répandu quant aux bénéfices sociaux concrets de l’IA, et ce scepticisme ne vient pas seulement d’une ignorance des personnes qui ne l’ont jamais utilisée
Même à l’échelle individuelle, beaucoup ne trouvent pas encore une valeur suffisante face aux inquiétudes
- On peut juger l’IA négativement à l’échelle de la société tout en l’utilisant différemment à titre personnel, mais la répartition actuelle des usages ne va pas dans ce sens
- Le fait que les utilisateurs occasionnels constituent le plus gros bloc et qu’il existe encore de nombreux évitants complets montre que beaucoup n’ont pas encore trouvé une valeur personnelle suffisante pour dépasser leurs inquiétudes
- Le récit médiatique selon lequel « tout le monde utilise l’IA pour tout » reflète peut-être une bulle propre aux knowledge workers précocement adoptants et aux cercles proches de la presse technologique
- Les entreprises, commentateurs et décideurs publics ne devraient pas ignorer la manière dont les gens ressentent réellement l’IA et se comportent face à elle
- L’usage de l’IA n’est pas une opposition binaire entre tout le monde l’utilise et personne ne l’utilise : c’est un continuum mêlant opinions et intensités d’usage variées
Métaphore clé : la consommation de viande et la consommation d’IA
- La consommation d’IA ressemble à la consommation de viande : certains l’adoptent activement, d’autres réduisent leur usage, d’autres encore l’évitent totalement
- Le message selon lequel les protéines sont importantes dans l’alimentation est analogue à l’idée que l’IA peut être utile pour la productivité, et le fait que la viande soit une source majeure de protéines correspond au fait que les outils de chat IA sont le principal point d’accès à l’IA générative
- Les préférences de consommation de viande aux États-Unis ne relèvent pas non plus d’un modèle où tout le monde consomme de la même façon
- 95 % mangent de la viande
- 70 % disent réduire leur consommation de viande rouge
- 30 % mangent toute viande rarement ou seulement occasionnellement
- 12 % ne mangent pas de viande rouge
- 4 % sont végétariens et ne mangent aucune viande
- 1 % sont vegans et ne consomment aucun produit d’origine animale
- Les raisons de limiter sa consommation de viande incluent la santé, le coût, l’environnement et l’éthique, ce qui recoupe plusieurs préoccupations majeures autour de la consommation d’IA
Opportunités de marché et choix produit
- Cette analogie avec la consommation de viande montre qu’il existe des opportunités de marché pour des publics qui ressentent différemment l’IA et ont des préoccupations spécifiques
- DuckDuckGo rend toutes les fonctionnalités IA optionnelles et propose duck.ai comme alternative de chatbot privé répondant aux préoccupations liées à la vie privée
- Cette approche ressemble davantage à un restaurant qui propose plusieurs options à sa carte, où coexistent IA privée, réduction de l’usage de l’IA et désactivation de l’IA
- Pour prendre en compte tout le spectre des utilisateurs de l’IA, il faut une structure fondée sur le choix plutôt qu’un usage de l’IA imposé de manière uniforme
Possibles évolutions à venir et conclusion actuelle
- On ne peut pas supposer qu’environ un tiers des personnes qui n’utilisent l’IA que rarement ou occasionnellement conserveront ce comportement pour toujours
- Contrairement à la viande, l’IA évolue dans un environnement technologique qui change rapidement, si bien qu’il est très incertain de savoir jusqu’où iront les produits et la régulation
- L’évolution des produits peut rendre l’IA plus utile pour la personne moyenne, et la régulation peut réduire certaines inquiétudes
- Mais à ce stade, une proportion significative de personnes a essayé l’IA actuelle puis a choisi d’en limiter activement l’usage
1 commentaires
Commentaires sur Hacker News
Je cherche un emploi en ce moment après avoir terminé mes études supérieures, et dans la plupart des entretiens techniques ou des entretiens au tableau blanc, on me demande : « Comment utilisez-vous les LLM ? »
C’est une question délicate, parce que je ne sais pas si mon interlocuteur est enthousiaste vis-à-vis de l’IA ou plus prudent, donc j’ai envie de répondre de manière sûre pour convenir aux deux cas
Du coup, je fais souvent une réponse assez longue du type : « Il y a clairement une courbe d’apprentissage pour intégrer cette technologie dans un processus, et je vérifie toujours plusieurs fois »
En pratique, j’utilise tous les jours les fonctions de chat/questions pour du débogage rapide ou pour apprendre de nouvelles technologies, mais après avoir essayé quelques fois des agents complets ou des produits qui utilisent directement l’ordinateur, les résultats n’étaient pas bons, donc je ne m’en sers presque pas encore
J’ai essayé de refactoriser un gros dépôt Fortran+C vieux de plusieurs décennies pour le rendre compatible avec des compilateurs/OS modernes ; certaines parties ont marché, mais j’ai fini par abandonner
Si c’est un endroit où le moindre mot de travers déclenche un scandale parce qu’on aurait dû faire preuve de télépathie, est-ce qu’on a vraiment envie d’y travailler en faisant du jeu de rôle ?
Ça ressemble moins à un emploi qu’à une relation toxique
Savoir si l’entreprise aime l’IA ou est plus prudente est important, mais je recommande de reformuler la question en : « Est-ce que je corresponds à cette organisation, et est-ce qu’elle me correspond ? »
Si tu montres brièvement comment tu évalues les tâches adaptées aux LLM et comment tu vérifies si cela a réellement amélioré les résultats, ça fait une réponse solide
Cela montre que tu as exploré le sujet toi-même et suffisamment réfléchi pour pouvoir expliquer des observations intéressantes, tout en étant prêt à aller plus en profondeur si ça intéresse l’interlocuteur
Les responsables engineering cherchent souvent à constituer une équipe avec des personnes ayant des parcours et des points de vue variés
Si tu réponds honnêtement, tu peux au contraire sortir du lot face à des candidats qui donnent des réponses convenues et excessivement défensives
L’idée que « l’IA est devenue tellement bonne que tout le monde l’utilise, même si ça met mal à l’aise » dépend vraiment des cas, d’après mon expérience
Ce commentaire d’hier[0] montre bien ma manière actuelle d’intégrer les LLM dans mon travail
Je les ai utilisés sur un projet côté back-end (PHP) et front-end (Swift), et dans les deux cas ça m’a beaucoup aidé, mais pour Swift c’est presque un exemple d’avertissement
Pour le développement d’une app Swift native UIKit, il a vraiment fallu une supervision adulte, et je réalise à quel point le code généré était mauvais
À l’inverse, côté PHP, il a pris des décisions de conception raisonnables et m’a donné un code meilleur que celui que j’aurais écrit
En Swift, dès qu’il rencontrait un vrai problème du monde réel, il paniquait comme un ingénieur inexpérimenté ; le code que je réécris suivra une approche bien plus simple et robuste
Malgré ça, le bilan global reste très positif pour la productivité, et j’en ai retenu qu’il est bon pour trouver des problèmes, mais moins bon pour les corriger
[0] https://news.ycombinator.com/item?id=48515217
Si vous cherchez quelque chose sur Internet, il y a de très fortes chances de tomber sur des pages entières de contenu généré par IA
Du coup, il vaut souvent mieux aujourd’hui saisir directement un prompt et obtenir une réponse
Non pas parce que la réponse est excellente en soi, mais parce que je peux contrôler mon prompt au lieu de subir un prompt indirect via un moteur de recherche
C’est triste de voir du contenu de qualité se noyer dans un océan de déchets au point d’en devenir presque introuvable
Pour PHP, les cas limites que les gens rencontrent sont documentés sur Internet depuis des décennies, alors que Swift est relativement plus récent et dispose de moins de ressources
On comprend mieux les capacités de l’IA si on les voit comme une compression par un facteur 10 à 20 de la durée de carrière d’un ingénieur
Elle sera intuitivement plus faible sur les sujets nouveaux ou de niche, et cela pourrait empirer à l’avenir si elle apprend à partir des déchets produits par d’autres LLM
Récemment, dans l’avion, j’essayais de connecter les écouteurs de ma femme à un MacBook, mais comme j’étais habitué à un ancien boîtier d’AirPods Pro, je ne trouvais pas le mode appairage
J’ai donc demandé hors ligne à Gemma4 26B A4B dans LM Studio, et il m’a indiqué le geste consistant à tapoter deux fois l’avant du boîtier ; ça a effectivement marché
Sans LLM local, cette situation aurait été bien plus agaçante
Même si ce n’est pas toujours exact, c’est comme avoir sur soi tout un stock de connaissances de base de type « comment faire », donc c’est mieux que rien
Le problème, c’est que les LLM ne codent pas à partir des principes, ils font correspondre des motifs issus des données d’entraînement
C’est d’ailleurs exactement le point que les gens détestaient tant sur Stack Overflow
Le billet est bon, mais il manque un point de vue
Il cite une étude montrant à quelle fréquence les gens disent « utiliser l’IA », et selon elle un peu plus de la moitié l’utilisent moins d’une fois par semaine
Si l’on parle uniquement des interfaces de chat IA, c’est peut-être vrai
Mais la progression de l’usage de l’IA viendra probablement moins d’une hausse de la participation aux chats que de l’intégration de fonctions IA dans les logiciels que les gens utilisent déjà
Par exemple, si on demandait aux mêmes personnes : « À quelle fréquence utilisez-vous la recherche Google ? », le chiffre serait bien plus élevé
Ces gens utilisent bien l’IA au sens réel du terme, ils ne le perçoivent simplement pas ainsi parce que la fonctionnalité est intégrée
Ce type d’adoption de l’IA est une adoption forcée, et dans bien des cas elle peut aller à l’encontre des préférences des utilisateurs
Tout dépend de ce qu’on cherche à savoir : si les gens s’intéressent à l’IA et la trouvent utile, ou si l’on pose plutôt une question du type « X % des gens ingèrent du plomb avec leur nourriture »
Le discours commercial, c’était « si vous ne l’adoptez pas, vous allez prendre du retard », mais j’attends toujours
Plusieurs années ont passé et mes journées n’ont pas changé ; à des gens qui ne lisaient déjà pas les manuels, on apprend maintenant à demander au chatbot à la place
Et leur manque à eux, on en fait quoi, comparé à mon prétendu “petit manque d’ornement” ?
Je vois plusieurs entreprises remplacer, dans leur flux de support, des systèmes déterministes par une version LLM plus lente et moins bonne
Beaucoup d’interfaces ne deviennent pas meilleures simplement parce qu’on y ajoute de l’IA
Au lieu de demander directement au LLM d’exécuter une tâche manifestement répétitive, il vaut mieux lui demander de créer le programme ou le script Python qui accomplira cette tâche
Ce qui pouvait être résolu de façon déterministe, ou ce qui aurait été un simple outil en ligne de commande il y a 5 ans, devient maintenant une intégration LLM
Au lieu d’utiliser les LLM pour créer des outils déterministes, on remplace ces outils par des LLM
C’est complètement à l’envers, et je ne comprends pas pourquoi, surtout à des niveaux élevés dans notre entreprise, certains voient ça comme l’avenir
Je n’ai aucune envie d’avoir un pipeline CI entier composé uniquement de prompts LLM
C’est facile à mettre en place, mais c’est coûteux, lent, et sujet à des échecs de manière imprévisible
Même chose pour la revue de code : quelque chose qui relèverait de simples règles de linting devient une étape de passage par un LLM
Alors même que les LLM sont vraiment excellents pour créer ce genre de règles de linting
Toute l’équipe résiste fortement précisément pour cette raison
La plupart des idées qu’on peut imaginer ne font qu’aggraver les choses, et j’ai même déjà entendu dire qu’un taux d’échec supplémentaire de 1 à 2 % était inacceptable
Pour atteindre ce niveau, il faut davantage de structure et de standards, pas moins
[1] https://thedailywtf.com/articles/Classic-WTF-No-Quack
Il suffit d’imaginer un agent formé, capable de comprendre la situation dans son ensemble, et d’imaginer une entreprise investir pour qu’un humain utilise l’IA afin de rechercher des connaissances, d’en évaluer la pertinence, puis d’aider le client plus efficacement
Mais aujourd’hui, l’IA est vendue comme « plus besoin de personnel de support », pas comme « comment fournir un meilleur service »
Pour beaucoup de produits, un meilleur service n’a pas énormément d’importance, et un produit moins cher a de fortes chances de l’emporter dans la plupart des cas
Les gens ne veulent pas payer plus pour quelque chose de meilleur ; ils veulent quelque chose de meilleur au même prix
C’est probablement pour ça que les entreprises ne semblent pas investir du temps à trouver la bonne manière d’utiliser l’IA
Je pense que la raison de l’écart est, d’abord, que Claude est étonnamment bon pour le code
La raison principale, c’est l’énorme quantité de code fonctionnel, issue de technologies soigneusement sélectionnées et minutieusement étiquetée au fil des dix dernières années via GitHub
Il y a aussi le fait qu’un langage Turing-complet limite en quelque sorte l’éventail de ce qu’on peut faire
Deuxièmement, pour la plupart des autres tâches, les LLM sont assez décevants
La recherche est généralement d’un niveau ordinaire
Si on veut l’évaluer rigoureusement, il suffit de répéter plusieurs fois le même prompt de recherche, de construire une matrice de confusion et de compter combien de faux positifs et de faux négatifs on obtient
Pour les autres usages aussi, il faut honnêtement se demander si cela apporte vraiment beaucoup plus qu’une simple requête sur un moteur de recherche ou qu’une visite sur Wikipedia
Pour les usages grand public, c’est pratique dans une certaine mesure, mais on est loin de quelque chose de révolutionnaire
En programmation, l’agent peut lancer le compilateur et les tests, puis réessayer jusqu’à ce que ça marche
Si, par exemple, on veut coudre un t-shirt, l’IA ne sert à rien
Il faut aussi tenir compte du nombre de personnes qui, parmi les adultes américains aujourd’hui, sont en pratique en difficulté de littératie.
En 2023, 27 % des adultes américains en âge de travailler se situaient au niveau 1 ou en dessous sur les 5 niveaux de littératie du PIAAC.
En 2013, ils n’étaient que 17 % au niveau 1 ou en dessous, donc la situation s’est fortement dégradée sur les dix dernières années.
En 2023, la répartition globale des scores était la suivante : 27 % au niveau 1 ou en dessous, 29 % au niveau 2, 31 % au niveau 3, et 13 % aux niveaux 4/5.
À titre indicatif, le niveau 1 correspond à une capacité limitée à traiter correctement même une page de texte, avec seulement un traitement partiel possible d’une simple page web d’une page.
Il faut atteindre le niveau 2 pour pouvoir traiter un texte simple de quelques pages, mais les contenus complexes restent encore difficiles.
Les gens qui n’utilisent pas du tout l’IA sont souvent, au fond, des gens qui ne l’utilisent pas parce qu’ils ne peuvent pas réellement s’en servir.
Source : https://nces.ed.gov/surveys/piaac/2023/national_results.asp
https://nces.ed.gov/surveys/piaac/measure.asp?section=1⊂_...
Je me considère clairement comme quelqu’un qui a de la littératie, mais je me demande à quel point je réussirais bien des tâches de niveau 4/5.
Je me demandais aussi si cela recoupe des indicateurs plus larges, comme la mémoire, l’intelligence ou les habitudes d’étude, sur lesquels même des gens dotés d’une « littératie » ordinaire peuvent mal performer.
Rien qu’à lire la description, ça semble être un test bien adapté à l’IA, et j’aimerais voir les scores de compétence de différents modèles.
En faisant défiler plus bas, j’ai vu qu’il y avait des exemples de questions jusqu’au niveau 4 dans la dernière section, et même les questions de niveau 4 m’ont semblé triviales.
Même l’article le plus verbeux sur Q Drum ne formule que deux critiques, le terrain plat et le coût, et si l’on connaît LifeStraw, on peut presque deviner la critique similaire dans l’e-mail.
En voyant les scores et les descriptions des niveaux, j’avais supposé une sorte de distribution normale et je pensais que les niveaux 4/5 seraient vraiment difficiles ; en voyant les vraies questions, les faibles scores m’ont paru encore plus tristes.
Cela dit, le fait d’appeler chaque question du test un « stimulus » m’a fait rire, tant cela sonne aseptisé et clinique.
Les applications mobiles d’IA prennent en charge la conversation vocale.
Une faible littératie peut au contraire être une motivation pour faire produire et résumer du texte par l’IA.
Ces statistiques ne collent pas intuitivement.
Environ un tiers de la population américaine a une licence, donc il est étrange que seulement 13 % puissent réussir des tâches de littératie de niveau 4/5.
À voir les questions d’exemple, cela ne semble pas difficile, et même une tâche de niveau 4 consiste juste à lire un court texte et en extraire des critiques sur un produit.
Cela ne veut pas dire que tous les diplômés de licence sont brillants, mais il est difficile de croire que les deux tiers d’entre eux ne passeraient pas le niveau 4/5.
Si 13 % de la population a un master, est-ce que cela voudrait dire que ces seuls 13 % réussissent le niveau 4/5 ?
https://en.wikipedia.org/wiki/Educational_attainment_in_the_...
On entend notamment souvent dire que la compréhension écrite est catastrophique, avec beaucoup de cas d’enfants incapables de répondre à des questions sur le contenu après avoir lu quelques paragraphes.
Si l’idée que l’IA soit utilisée partout me fait peur, ce n’est pas parce que c’est la meilleure solution, mais parce que les gens sont fondamentalement paresseux, veulent simplement finir le travail et se soucient assez peu de la qualité.
Le « faible effort et la praticité » semblent battre systématiquement la « meilleure qualité », et cela va tout dégrader pour tout le monde.
Si l’on compare Windows 11 et 98, oui, le 11 en fait plus et plante moins.
Mais en dehors de ça, est-il réellement meilleur ? Sur ce que les deux font, lequel le fait le mieux ? Lequel est le plus rapide ? Lequel est le plus simple à utiliser ?
Je trouve que ce niveau-là est acceptable.
Personnellement, j’aimerais qu’on discute davantage de ce que signifie exactement « utiliser l’IA ».
Je me demande aussi comment cela se relie aux idées plus générales que les gens ont sur la « technologie », l’« IA », la « morale et les émotions », etc.
Pour moi au moins, la frontière commence à devenir un peu floue.
Par exemple, si ma partenaire utilise souvent Google.com toute la journée et clique presque chaque fois sur le résumé généré par l’IA en haut de la page de résultats pour lui faire confiance, faut-il dire qu’elle « utilise l’IA » en pratique ?
Ou bien « utiliser l’IA », est-ce quelque chose de plus proche de ces gosses vampiriques, sur un matelas posé au sol dans un décor de SF, en train de faire tourner 1 000 sous-agents ?
Maintenant qu’il y a de l’IA partout, même dans l’usage de base du téléphone, je trouve tout ce spectre assez intéressant, qu’on l’appelle ainsi ou non.
L’analogie selon laquelle « les gens consomment l’IA comme ils mangent de la viande : certains l’acceptent, certains en limitent l’usage, et certains l’évitent complètement » est intéressante.
Après tout, malgré les vrais problèmes écologiques et les arguments de principe contre la consommation de viande, la consommation de viande a globalement augmenté pendant des décennies dans plusieurs pays du monde.