L’IA et l’avenir du travail

Il y a encore une décennie, les postes de data scientist et d’éthicien en IA étaient quasiment inexistants. Aujourd’hui, ces professions sont devenues essentielles, les entreprises cherchant à exploiter le potentiel de l’intelligence artificielle. De nombreuses organisations ont intégré l’IA dans leurs opération. Par exemple, des formateurs en IA et des ingénieurs en apprentissage automatique collaborent désormais avec des employés occupant des fonctions traditionnelles pour améliorer produits et services.

Ce phénomène ne se limite pas au secteur technologique. Des domaines comme la santé, la finance, la fabrication et la vente au détail adoptent massivement l’IA pour optimiser leurs processus. Dans le milieu médical, les outils de diagnostic assistés par l’IA améliorent la précision et la rapidité des analyses, avec des impacts positifs sur les résultats patients. En finance, les algorithmes d’IA révolutionnent la gestion des risques et la détection des fraudes.

Explication de l’image de l’article (source) :

Statistiques récapitulatives des données d’exposition humaine et modèle. Les métiers techniques (en rouge et vert) sont plus exposés que les basiques (en bleu). L’IA transforme plus les tâches que les métiers dans leur ensemble. Enfin, la variabilité (écart-type) montre que l’impact dépend beaucoup du contexte.

Niveau des Métiers

Niveau des Tâches

L’impact de l’IA générative sur le travail et les travailleurs

Quels sont les impacts probables de l’IA générative sur le travail et les travailleurs ? Résumons brièvement plusieurs caractéristiques déterminantes de cette nouvelle technologie et tirons des enseignements des données fournies par OpenAI.

Popularisée par la sortie de ChatGPT-3.5 fin 2022, l’IA « générative » est une avancée technologique fascinante qui présente des capacités sophistiquées fondamentalement différentes des formes antérieures d’informatisation et d’automatisation. Cette technologie se distingue par une combinaison particulière de caractéristiques :

1. sa capacité à générer de nouveaux contenus,
2. sa facilité de diffusion
3. le fait qu’il s’agit d’une technologie « immatérielle » contrairement aux outils physiques utilisés dans le monde du travail tels que les robots industriels (même si cela pourrait changer rapidement avec les progrès de la vision artificielle et d’autres technologies d’IA).

Les outils d’IA générative sont novateurs dans le domaine des technologies de l’information en raison de leur capacité à créer des contenus entièrement nouveaux à partir des données sur lesquelles les modèles d’IA ont été entraînés. C’est ce qui les rend « génératifs ».

L’IA générative fonctionne comme un algorithme capable de produire un large éventail de nouveaux contenus, notamment des images, de la musique, du texte, de l’audio, de la vidéo et du code. Cette technologie est rendue possible par de grands modèles linguistiques (LLM) qui s’entraînent sur de vastes ensembles de données, détectant des modèles statistiques et des structures que le modèle utilise ensuite pour générer de nouveaux contenus.

La capacité de l’IA générative à prédire et à générer de nouveaux contenus en « langage naturel » utiles à l’intention et au besoin momentané d’un utilisateur est particulièrement importante, qu’il s’agisse d’écrire une correspondance, de répondre à des questions, de produire du code informatique, d’élaborer des plans d’affaires ou de parcourir internet pour ensuite générer des idées d’actions. Des modèles avancés d’IA générative tels que Dall-E 3, Midjourney et Stable Diffusion peuvent créer des contenus visuels de haute qualité à partir de textes, tandis que des programmes tels que Sora ont fait des progrès remarquables dans le domaine de la conversion de texte en vidéo.

Aujourd’hui, des systèmes capables de combiner différents types de données telles que du texte, des images, de l’audio et de la vidéo pour les entrées et les sorties générées font leur apparition. ChatGPT est devenue la plateforme technologique qui s’est répandue le plus rapidement dans l’histoire, atteignant 1 milliard de visites mensuelles seulement quatre mois après son lancement en 2022.

L’IA générative se distingue également par sa relative facilité de diffusion, principalement via les navigateurs web existants et les applications sur tous types d’appareils informatiques. En d’autres termes, les rails pour transporter l’IA générative sont pour la plupart déjà en place.

À titre de référence, il a fallu environ deux décennies pour que l’ordinateur personnel se généralise après son introduction à la fin des années 1970. Plus récemment, il a fallu six à sept ans pour que le smartphone se généralise en Occident après le lancement du premier iPhone en 2007. En revanche, ChatGPT est devenue la plateforme technologique qui s’est répandue le plus rapidement dans l’histoire, atteignant 1 milliard de visites mensuelles seulement quatre mois après son lancement en novembre 2022.

Bien que les estimations varient considérablement, l’adoption de l’IA générative sur le lieu de travail reste modeste à l’heure actuelle, les employeurs expérimentant les premiers cas d’utilisation et faisant face à des préoccupations persistantes en matière de confidentialité, de sécurité et de précision. (Les travailleurs font aussi des essais, parfois en cachette, indépendamment des règles de leur employeur.) Et même si une diffusion plus large ne se produira peut-être qu’à plus long terme, l’adoption de l’IA sur le lieu de travail pourrait rencontrer moins d’obstacles que les technologies précédentes, compte tenu :

• 1) de son interface accessible et conviviale qui ne nécessite pas de compétences en apprentissage automatique
• 2) de ses exigences modestes en matière d’infrastructure.

Enfin, les outils d’IA restent, pour l’instant, immatériels, contrairement aux robots physiques qui assemblent des produits dans une usine ou passent l’aspirateur dans votre salon. De nature numérique, les outils d’IA restent orientés vers des tâches basées sur l’information. Mais cela pourrait également changer, car les LLM sont conçus pour communiquer avec des objets matériels et leurs capteurs.

Les capacités de l’IA générative entraînent une rupture radicale avec les technologies précédentes axées sur les compétences

Les capacités de l’IA générative marquent une rupture avec les technologies précédentes utilisées sur le lieu de travail. Comme le montrent de nombreuses recherches, la technologie a été pendant des décennies « axée sur les compétences » : elle a remplacé les compétences routinières courantes dans les emplois à faible salaire (tels que la comptabilité manuelle, la production et la préparation des aliments), tout en complétant les compétences non routinières typiques des emplois mieux rémunérés (la prise de décision managériale, l’analyse complexe et l’utilisation de la créativité humaine).

Les technologies telles que ChatGPT bouleversent ce paradigme. En fait, l’IA générative ne devrait pas perturber beaucoup le travail physique, routinier et manuel, à moins d’une percée technologique dans le domaine de la robotique. Au contraire, l’IA générative excelle dans l’imitation de compétences non routinières et de traits interactifs que les experts considéraient encore impossibles à réaliser par des ordinateurs il y a quelques années, notamment :

1. la programmation
2. la prédiction
3. l’écriture
4. la créativité
5. la projection d’empathie
6. la communication et la persuasion
7. l’analyse

La plupart des secteurs qui sont aujourd’hui les plus exposés à l’IA générative sont ceux qui, il y a quelques années encore, étaient classés au bas de l’échelle des risques d’automatisation. Les technologies d’IA générative sont déjà capables d’effectuer un large éventail de tâches très sophistiquées, parfois même sans supervision humaine. Certaines des capacités que cette technologie peut exercer de manière autonome, sans supervision humaine, sont énumérées dans l’encadré ci-dessous :

Exemples de capacités autonomes de ChatGPT-4

Codage

• Rédaction, édition et transformation de textes et de codes
• Débogage de codes ou de logiciels
• Programmation dans des langages informatiques tels que Python et C++
• Aide à l’analyse des données

Rédaction et lecture

• Résumé de documents
• Lecture de textes à partir de fichiers PDF
• Rédaction de questions pour un entretien ou une évaluation
• Rédaction et réponse à des emails
• Rédaction de plans de cours
• Préparation de supports de formation

Partage, recherche et synthèse d’informations

• Traduction entre différentes langues ; transcription
• Réponse à des questions sur un document
• Recherche dans les connaissances, les données ou les documents existants d’une organisation et récupération d’informations
• Communication d’informations à toute personne par tout moyen écrit ou oral

Réalisation d’analyses et de recherches

• Formulation de recommandations sur la base de données ou d’informations écrites
• Analyse d’informations écrites pour éclairer la prise de décision
• Recherche et conseil juridiques

⇒ Source OpenAI

Les données d’exposition fournies par OpenAI suggèrent que la technologie de l’IA générative pourrait avoir un impact sur une grande partie des travailleurs. Plus de 30 % de l’ensemble des travailleurs pourraient voir au moins 50 % des tâches de leur profession perturbées par l’IA générative, tandis que 85 % des travailleurs pourraient voir au moins 10 % de leurs tâches affectées.

Les secteurs les plus exposés sont dominés par des domaines mieux rémunérés et exigeant des diplômes supérieurs, tels que les STEM, les affaires et la finance, l’architecture et l’ingénierie, ainsi que le droit, en plus des professions moins bien rémunérées et « moyennement qualifiées » dans les domaines administratif et de l’assistance. Les secteurs manuels et les cols bleus sont les moins exposés, tandis que les emplois moins bien rémunérés du secteur des services devraient également connaître des effets plus modestes.

L’éducation, les soins de santé et les services communautaires et sociaux sont moyennement exposés. Par exemple, les enseignants du primaire et les infirmières diplômées pourraient gagner un temps considérable dans environ un tiers de leurs tâches. Un enseignant pourrait gagner du temps sur des tâches telles que la notation, la planification des activités, l’administration des tests, la tenue des dossiers et la préparation des rapports. Pour une infirmière diplômée, de nombreuses tâches manuelles qui nécessitent une présence physique, telles que les examens physiques, les tests en laboratoire ou les perfusions, ne seront que très peu affectées, mais l’IA générative pourrait permettre de gagner du temps sur d’autres tâches telles que l’évaluation des tests diagnostiques, l’enregistrement des informations sur les patients, la modification des plans de traitement, la tenue des dossiers, la recommandation de traitements et l’exécution de tâches administratives et de gestion.

Les perspectives d’évolution aux personnes sans diplôme universitaire, dans des fonctions telles que comptable, secrétaire juridique, assistante RH, caissière de banque et commis à la paie, sont menacées. Depuis des décennies, la technologie contribue à la disparition de ces emplois ; l’IA générative pourrait accélérer cette tendance.

Les enjeux sont particulièrement importants pour le groupe de femmes issues de la classe moyenne inférieure, très diversifié sur le plan racial et ethnique, dont beaucoup risquent de se retrouver dans des emplois plus précaires et moins bien rémunérés si ces emplois sont supprimés. La situation difficile des employés de bureau illustre une tendance plus large : ce sont les femmes, et non les hommes, qui sont les plus exposées à l’IA générative et qui courent le plus grand risque d’automatisation, en raison de leur surreprésentation dans les emplois de cols blancs nécessitant un diplôme universitaire et dans les fonctions de soutien administratif. Au total, 36 % des travailleuses occupent des emplois dans lesquels l’IA générative pourrait permettre de gagner 50 % du temps consacré à certaines tâches, contre 25 % des travailleurs masculins (source : analyse des évaluations de la susceptibilité des tâches réalisées par GPT-4 d’OpenAI).

A lire ⇒ Les développeurs d’IA générative en faveur de la liberté d’expression ?

Ce que nous ignorons encore

Nos connaissances sur les répercussions probables et la meilleure façon de les façonner restent extrêmement incomplètes. Notre compréhension de son fonctionnement et de ses répercussions potentielles reste vague, au-delà d’une appréciation de son immense potentiel. Dans l’ensemble, nous ne savons pas encore grand-chose sur la manière dont l’« exposition » à l’IA générative se traduira en impacts concrets sur les travailleurs.

Dans quelle mesure et à quelle vitesse l’IA générative va-t-elle augmenter (par opposition à automatiser) le travail humain ? Nous ne savons pas dans quelle mesure l’IA générative affectera la demande globale de main-d’œuvre humaine (types et nombre d’emplois) ni dans quelle mesure l’IA augmentera (améliorera les capacités et/ou la productivité et les performances) par rapport à l’automatisation des emplois.

Par exemple, l’IA pourrait renforcer le rôle d’un programmeur informatique de plusieurs façons : en améliorant la productivité, en déboguant le travail, en vérifiant les erreurs et en enseignant de nouvelles compétences. D’un autre côté, l’IA pourrait également automatiser une partie, voire la plupart, du travail, en prenant en charge les tâches routinières et même en générant du code. Nous devons déterminer quand et comment l’IA peut compléter ou remplacer les travailleurs, et si ce qui semble initialement être une « augmentation » pourrait finalement conduire à un remplacement.

Nous devons déterminer quels travailleurs exposés sont vulnérables au déplacement et lesquels ne le sont pas et s’adapteront plutôt aux changements. Quels sont exactement les travailleurs les plus susceptibles de bénéficier ou de subir des bouleversements néfastes ? Nous ne savons pas encore quels travailleurs sont les plus susceptibles de bénéficier ou de pâtir de l’IA générative au sein des professions et des secteurs. Il est possible que la technologie soit plus bénéfique ou plus néfaste pour les travailleurs en fonction de leur expérience et de leurs compétences. Des expériences universitaires récentes dans des secteurs allant du service à la clientèle au conseil en passant par la programmation informatique ont mis en évidence une dynamique de « nivellement par le haut », dans laquelle les travailleurs moins qualifiés ou moins expérimentés ont tiré le plus grand profit de l’utilisation de l’IA. Mais l’inverse est également possible : certains emplois pourraient être « déqualifiés ».

⇒ IA et main-d’œuvre : Vers un travail symbiotique ?

Par exemple, l’IA générative pourrait « améliorer » les compétences d’un rédacteur de demandes de subventions novice, lui permettant de préparer des demandes de meilleure qualité, voire de rivaliser avec celles rédigées par un rédacteur expérimenté et performant. Mais il est également possible que le métier de rédacteur de demandes de subventions soit déqualifié, les compétences spécialisées étant remplacées par le copier-coller à partir de l’IA générative. Il est également possible qu’à mesure que la technologie s’améliore, les employés plus expérimentés voient leur productivité augmenter, tandis que la demande pour les employés moins qualifiés diminue. Tous ces scénarios impliquent un besoin massif d’adaptation de la part des travailleurs et un large éventail de formes que cela pourrait prendre.

Le cas des scénaristes hollywoodiens est instructif, car leur accord historique avec les grands studios visait à intégrer l’adaptation à l’IA tout en prévoyant des garde-fous. La Writers Guild a choisi de soutenir l’utilisation de la technologie de l’IA et d’assumer son évolution continue, tout en établissant un rôle dans la codétermination de l’utilisation de cette technologie (par exemple, en stipulant ce que l’IA ne peut pas remplacer) et en protégeant la propriété intellectuelle, les niveaux d’emploi et les principales caractéristiques de la rémunération.

L’IA générative peut-elle réellement rehausser le niveau des travailleurs les moins performants, réduire l’écart entre eux et les travailleurs « vedettes », et réduire les inégalités et renforcer la classe moyenne ? Dans quelle mesure les travailleurs bénéficieront-ils des gains de productivité liés à l’IA ? Qu’adviendra-t-il de la valeur d’un diplôme universitaire ? Dans quelle mesure sera-t-il difficile pour les travailleurs déplacés de se reconvertir, en particulier si leur formation et leur éducation sont très spécialisées ? Qui, et dans quels endroits, en tirera les plus grands avantages financiers ?

L’IA générative est sur le point de bouleverser la façon dont beaucoup d’entre nous travaillent et gagnent leur vie. Mais à mesure que la technologie progresse, l’avenir du travail ne sera pas déterminé par la seule capacité technologique. Que l’IA générative réalise son potentiel pour ouvrir de nouvelles possibilités aux travailleurs et répandre la prospérité partagée ou qu’elle concrétise les craintes d’une aggravation des inégalités et des préjudices, cela dépendra des choix que feront les décideurs politiques.