L'IA et son impact sur le monde du travail

Malgré les titres accrocheurs sur l’impact de l’intelligence artificielle, notamment à travers le phénomène de ChatGPT d’OpenAI, son influence sur le monde du travail reste, pour le moment, plus discrète que ce à quoi on pourrait s'attendre. Les discussions autour de l’IA ont souvent tendance à osciller entre les scénarios d’extinction humaine et les promesses d’un monde meilleur, mais la réalité quotidienne de l’IA dans nos vies est encore très loin de ces extrêmes. Examinons ce décalage entre l’effervescence autour de l’IA et son impact réel dans le monde du travail.

Alors, pourquoi, malgré toutes ses promesses, l’IA n’a-t-elle pas IMMÉDIATEMENT transformé, ou même bouleversé, le marché du travail? La réponse passe par une question similaire:

Penser différemment

Lorsque Thomas Edison et Joseph Swan ont inventé l’ampoule à la fin des années 1870 et qu’Edison a commencé à vendre de l’électricité quelques années plus tard, l’ère de l’électricité semblait imminente. Pourtant, en 1900, moins de 5% de la puissance mécanique des usines américaines provenait des moteurs électriques. L’ère de la vapeur perdurait.

C’est que l’adoption de l’électricité n’était pas une simple question de remplacer une vieille technologie par une nouvelle. À son introduction, on utilisait un moteur électrique de la même manière que la machine à vapeur, car celui-ci s'intégrait parfaitement dans l'ancien système. Mais les moteurs électriques pouvaient offrir beaucoup plus, et pour en tirer part les propriétaires d'usines devaient penser d'une manière très différente.

Éventuellement, l’électricité ne s’est pas simplement substituée à la vapeur; elle a exigé une réorganisation complète des usines et une modification des processus de production. L’adoption de l’électricité a nécessité un changement radical de l’architecture des usines, une modification des méthodes de recrutement, de formation et de rémunération des travailleurs, et une réorientation de la logique de production.

De la même manière, l’IA est une technologie potentiellement révolutionnaire qui nécessite plus qu’une simple insertion dans les processus de travail existants. Les entreprises doivent non seulement comprendre les capacités de l’IA, mais aussi apprendre à l’intégrer dans leurs processus.

Ces différentes façons d’assimiler l’IA dans les organisations sont clairement illustrées dans le livre “Power and Prediction: The Disruptive Economics of Artificial Intelligence” des auteurs du classique "Prediction Machines."

Les auteurs introduisent d'abord les solutions spécifiques (ma traduction de POINT SOLUTIONS) qui sont conçues pour résoudre un problème spécifique et unique au sein d’une entreprise ou un besoin fonctionnel unique. Comme par exemple être uniquement une source d’énergie lors de l’introduction de l’électricité.

D’autre part, les solutions système (SYSTEM SOLUTIONS), qui sont également appelées “solutions TRANSFORMATIONNELLES”, offrent une approche plus globale. Elles sont conçues pour répondre à une variété de cas d’utilisation à travers les opérations d’une organisation, fournissant une base robuste qui peut être rapidement déployée dans plusieurs installations. Une plateforme intégrée connecte les processus et les données à travers différentes fonctions et modules d’application.

Selon les auteurs de Power & Prediction, l'IA aura un impact significatif une fois que nous verrons émerger ces solutions transformationnelles, qui sont de nouvelles façons d'organiser les entreprises et tirent parti de ce que l'IA peut accomplir. Pour réaliser pleinement le potentiel de l'IA, il est fort probable que nous devions repenser en profondeur la manière dont le travail est organisé, tout comme nous avons dû repenser l'architecture et les processus des usines lors de l'adoption de l'électricité.

Selon les auteurs, nous nous trouvons donc actuellement dans une période historique particulière, APRÈS la révélation des prouesses de l'IA, MAIS AVANT son adoption universelle. Ils nomment cette période la période de l'entre-deux.

Solutions IA Spécifiques: des impacts déjà importants

Même si nous n'en sommes encore qu'à l'étape où nous recueillons les bénéfices les plus accessibles de l'intelligence artificielle, ceux qui ne nécessitent pas de transformations profondes de nos méthodologies courantes, les résultats obtenus sont d'ores et déjà saisissants. L'implémentation d'une simple IA ciblée entraîne une diversité de bénéfices significatifs.

La toute récente recherche "When and How Artificial Intelligence Augments Employee Creativity" explore l'impact de l'intelligence artificielle sur la créativité des employés au sein des organisations. Les auteurs définissent la créativité des employés comme la capacité à "résoudre des problèmes dont les solutions ne sont pas encore établies." Inutile de souligner que cette créativité joue un rôle central dans l'amplification de la productivité et dans l'amélioration de la performance organisationnelle.

L'étude se penche sur une division séquentielle du travail où l'IA, un chatbot, gère la première partie d'une tâche, bien codifiée et répétitive, et les employés se concentrent sur la partie suivante impliquant une résolution de problèmes de "niveau supérieur."

L'étude fournit ses preuves à partir d'une expérience sur le terrain menée dans une entreprise de télé-marketing.

Voici les conclusions:

• Les clients servis par un agent humain assisté par IA sont presque deux fois plus susceptibles d'effectuer un achat.
• Avec l'assistance de l'IA, un agent moyen a réussi 2.33 fois mieux à répondre à des questions pour lesquelles il n'avait pas été formé au préalable.
• L’ampleur de l'effet estimé de l'assistance IA parmi les meilleurs agents est six fois supérieure à celle des agents les moins performants.

Cette étude fait la preuve que même une simple division séquentielle du travail (loin d'être transformationnelle) peut créer des synergies entre l'IA et les employés humains.

Mettre l'IA responsable des appels sortants pour détecter l'intérêt initial des clients a profondément modifié la façon de travailler des employés, car la génération de leads, tâche jugée ingrate et routinière, une fois automatisée, libèrent ainsi les agents de cette contrainte. Cette transition a non seulement éliminé les situations de communication inefficaces, mais a aussi permis aux agents de se concentrer sur les clients ayant une réelle intention d'achat, valorisant ainsi leur rôle.

Effets de débordement négatifs

Les auteurs de l'étude soulignent un élément important que l'IA supprime: les "effets de débordement négatifs" qui se réfèrent aux conséquences indésirables qui peuvent surgir lorsqu'une activité influe défavorablement sur une autre. Contrairement aux humains, l'IA ne souffre pas de baisses potentielles de productivité dues à l'ennui ou à la fatigue.

Cette réflexion s'étend bien au-delà du monde de la vente. Prenons l'exemple des professionnels de la santé : si les tâches routinières et répétitives étaient prises en charge par l'IA, les médecins pourraient consacrer plus de temps et d'énergie à fournir des explications à leurs patients.

Ce qui nous amène à une étude qui a fait les manchettes:

La hausse de la demande dans le domaine de la santé a engendré plus de travail et d'épuisement professionnel parmi les professionnels qui y travaillent. Une étude récente suggère que l'intelligence artificielle pourrait aider à pallier ce problème.

L'étude a évalué les performances de ChatGPT dans la rédaction de réponses aux questions des patients. Les réponses du chatbot ont été comparées à celles de médecins humains à l'aide d'une base de données de questions posées sur un forum de médias sociaux public.

Les résultats sont impressionnants. Les évaluateurs ont préféré les réponses du chatbot à celles des médecins dans 78,6% des cas. En outre, les réponses du chatbot étaient significativement plus longues, de meilleure qualité et plus empathiques que celles des médecins. Par exemple, le chatbot était 3,6 fois plus susceptible de fournir des réponses de bonne ou très bonne qualité, et 9,8 fois plus susceptible de fournir des réponses empathiques ou très empathiques.

Charge de travail élevée et fardeau administratif : Les médecins doivent souvent consacrer une partie importante de leur temps à des tâches telles que la tenue de dossiers médicaux électroniques, la saisie de données et les tâches administratives. Cette charge administrative pourrait entraîner du stress, de l'épuisement et une réduction de la satisfaction au travail. Cette expérience négative peut déborder sur leurs soins aux patients, entraînant une diminution de la qualité des interactions avec les patients, des erreurs potentielles, ou un épuisement professionnel.

We are entering a new era amidst an abundance of information but a scarcity of time and human connection.

La conclusion des auteurs de l'étude est la même que celle de l'entreprise en télé-marketing. L'IA permet de se concentrer sur l'aspect de plus "haut niveau" de votre travail.

Nous pouvons espérer que ces nouveaux outils IA pourront aider à maîtriser les tâches laborieuses qui submergent la médecine moderne et donner aux médecins le pouvoir de recentrer notre attention sur le traitement des patients humains.

Adopter l'efficacité de l'intelligence artificielle à bras ouverts

À ce moment précis de la période de l'entre-deux, il existe une profession qui mène l'adoption de l'IA génératif:

Law is code. - Allen & Overy

Pour les avocats, il y a la période pré-GPT et post-GPT.

Avant GPT, il s'agissait d'expliquer ce qu'est l'IA et pourquoi elle est bénéfique pour vous; nous devions presque les convaincre", explique-t-il. "Aujourd'hui, ils se présentent à la porte déjà convaincus.

- Jerry Ting, Evisort et Harvard Law School,

L'article du Financial Times est convaincant. Voici leurs conclusions de l'impact (toujours SPÉCIFIQUE) de l'IA dans le monde juridique:

• Les chatbots formés aux données juridiques font déjà partie intégrante du modèle opérationnel.
• L’IA rédige des contrats et avis juridiques, contribue aux processus de diligence, traduit des documents dans différentes langues.
• Près de 50% des tâches actuelles de la profession juridique pourraient être remplacées par l’IA
• Élimine la nécessité pour les humains d'effectuer certaines des tâches les plus administratives et les plus banales.
• l'IA permet aux avocats d'effectuer des tâches plus qualifiées et de donner des conseils stratégiques, tout en faisant gagner du temps et en réduisant les coûts pour les entreprises et les clients.

Comme on peut constater, ce sont les mêmes conclusions d'un domaine à l'autre.

Nous recevons plusieurs milliers de demandes chaque jour dans plusieurs langues [et] différents domaines du droit."

- David Wakeling de Allen & Overy.

Michael Polanyi était un philosophe qui a développé l'idée de la connaissance tacite, qui est une forme de connaissance que nous utilisons intuitivement et inconsciemment dans notre vie quotidienne, mais que nous avons du mal à exprimer ou à expliquer de manière explicite. Par exemple, le simple acte de monter à vélo relève de la connaissance tacite : nous savons comment le faire, mais il est très difficile de transmettre cette connaissance à quelqu'un d'autre uniquement à travers des instructions verbales.

Cependant, dans The Matrix, cette limitation est surmontée grâce à la technologie fictive du film qui permet le transfert instantané des compétences. Cela pourrait être vu comme une solution théorique au paradoxe de Polanyi : si nous pouvions transférer des compétences directement d'un cerveau à un autre, nous pourrions partager des connaissances tacites sans avoir besoin de les rendre explicites.

Hey bien une étude semble avoir démontré que l'ère de la Matrice est arrivée dans le monde du travail grâce à l'IA.

En analysant des données générées par l'homme, l'IA peut identifier les modèles de comportement qui distinguent les travailleurs hautement qualifiés de ceux qui le sont moins. En capturant les "meilleures pratiques" des agents les plus performants à travers de nombreux exemples et situations, l'IA peut alors transmettre ces informations, autrefois tacites, à d'autres travailleurs sous forme de recommandations.

Il semble donc que l'IA soit capable de traduire une partie de la connaissance tacite en connaissance explicite, facilitant ainsi le transfert de ces connaissances. Cette conclusion offre un aperçu fascinant de la manière dont l'IA peut aider à surmonter le paradoxe de Polanyi et a des implications importantes pour divers domaines, notamment la formation en entreprise et l'éducation.

Comme les consultants déclarants que "law is code" il semble donc beaucoup de choses deviendront du code...

The researchers attribute this boost to the AI's ability to "codify" the tacit knowledge or best practices from more experienced workers and make it accessible to less experienced workers.

C'est un changement significatif dans la manière dont le savoir est transféré au sein des organisations et cela a des implications considérables pour l'avenir du travail.

Courte parenthèse: d'une certaine manière, c'est cette capacité de l'IA à nous codifier qui inquiète Geoffrey Hinton:

"Si vous ou moi apprenons quelque chose et voulons transférer ce savoir à quelqu'un d'autre, nous ne pouvons pas simplement lui envoyer une copie", explique-t-il. Mais je peux avoir 10 000 réseaux neuronaux, chacun ayant sa propre expérience, et n'importe lequel d'entre eux peut partager instantanément ce qu'il a appris. La différence est énorme. C'est comme si nous étions 10 000 et que, dès qu'une personne apprend quelque chose, nous le savons tous.

Résultats > processus

Malgré les appréhensions et le scepticisme face à l’IA, les clients des organisations donnent la priorité aux résultats plutôt qu'au processus, ce qui implique que l'utilisation de l'IA vise moins à remplacer l'humain qu'à fournir des solutions fiables et efficaces. Et c’est donc cette capacité que possède l'IA à "codifier" les connaissances tacites et les bonnes pratiques qui lui confère la possibilité de cerner les aptitudes requises pour que les employés puissent exceller dans leurs tâches.

Progressivement, les organisations perçoivent le bénéfice de l’IA générative. Les dialogues entre dirigeants ont évolué, passant d’une simple compréhension de la technologie à des interrogations sur des cas d’application précis et leurs répercussions pour le personnel en place et à venir.

Rôles fixes et hiérarchies rigides

Le McKinsey Global Institute révèle une tendance croissante à recruter sur la base du potentiel plutôt que du prestige académique. Une chose que la technologie fait particulièrement bien, c'est le tagging - la capacité à classifier des données non structurées. Cela pourrait être appliqué à l'acquisition de talents ou à la recherche de compétences. Désormais, il n'est plus nécessaire de rechercher un diplôme ou une qualification spécifique. Vous pourriez chercher des mots-clés en rapport avec des compétences et des aptitudes.

C'est d'ailleurs l'un des plus grands défis pour les employeurs si l'on prend en compte ce qui suit :

Mais les modèles basés sur les compétences, très tendances actuellement, révèlent maintenant leurs limites en isolation. La nouvelle frontière est de comprendre comment ces compétences s'intègrent dans le contexte plus large du travail, et comme nous venons de le voir, l'IA a le potentiel de décoder cette interaction complexe.

L'IA nous aide à passer de descriptions de postes statiques à des ontologies de travail dynamiques, en décortiquant les rôles professionnels en clusters de compétences et en tâches. Ce "dégroupage" (unbundling) nous donne une compréhension plus profonde des exigences du travail et permet une attribution du travail plus flexible, alignant les tâches avec ceux qui sont les mieux à même de les exécuter.

L'IA aide les organisations à se préparer pour l'avenir en détectant automatiquement les compétences des employés, des équipes et de l'organisation dans son ensemble - et en identifiant des moyens de combler les lacunes avant même que la direction en soit consciente.

Au fur et à mesure que les besoins évoluent, l'IA peut aider à suivre les compétences dont les organisations ont besoin et à prédire ce dont elles pourraient avoir besoin ensuite. Par exemple, une entreprise pourrait utiliser l'IA pour analyser les descriptions de postes dans son secteur afin de rechercher des tendances. L'IA pourrait remarquer que beaucoup d'emplois en marketing exigent désormais que les employés comprennent de nouveaux types d'analyses - et vos employés doivent les comprendre aussi, sinon ils risquent de passer à côté d'importantes perspectives stratégiques. - Mahe Bayireddi, CEO et co-fondateur, Phenom

L'émergence des parcours non traditionnels

Nous pouvons également envisager cette transition vers une approche centrée sur les compétences, non seulement du côté de l'employeur, mais aussi de celui du candidat ou de l'employé.

Si aujourd'hui, vous êtes une personne dotée de certaines compétences, mais sans vision claire des opportunités de carrière qui vous sont offertes, vous dépendez fortement d'un manager ou d'une personne qui porte un intérêt à votre carrière et qui vous guide vers des parcours non traditionnels.

Toutefois, avec l'IA, vous pourriez simplement engager une conversation avec un chatbot en disant : "Voici mes compétences et mon expérience. Quels emplois pourraient être adaptés à mon profil?"

L'IA pourrait alors vous guider en disant : "Sur la base de votre profil de compétences, la majorité des personnes dans votre situation se consacrent à certaines activités, tandis que d'autres explorent les secteurs A, B et C", où "C" pourrait représenter la programmation, par exemple.

C'est ainsi, dans un monde en perpétuel flux, que l'IA crée et révèle de nouvelles opportunités et trace de nouvelles voies.

Compétences adjacentes

Le Stanford Digital Economy Lab a développé Work2Vec, un projet de machine learning qui analyse des millions d'offres d'emploi et les transforme en vecteurs mathématiques. Il permet de comprendre à quel point les rôles professionnels sont similaires ou différents, et d'observer comment ils évoluent dans le temps. Ces données peuvent également être utilisées pour comparer les compétences requises pour des emplois dans différents lieux, ou pour analyser comment l'ajout d'une nouvelle compétence affecte la rémunération.

Work2Vec peut aider les entreprises à identifier les "compétences adjacentes", où les employés possèdent déjà des compétences similaires à celles requises pour les postes difficiles à pourvoir. En proposant une formation ciblée, les entreprises peuvent transformer ces employés en personnes parfaitement adaptées à ces postes. Un exemple donné est celui d'Amazon qui enseigne le Python aux scientifiques des données pour répondre à son besoin d'experts en apprentissage automatique.

Croyez-le ou non, si vous prenez un comptable judiciaire et que vous lui enseignez la cybernétique, il peut devenir un expert en cybersécurité.

- Erik Brynjolfsson, Stanford Institute for Human-Centred AI

L'inévitable

Si nous envisageons que l'IA impactera 80% de la main-d'œuvre, il incombe aux organisations de trouver un équilibre entre la gestion de leurs opérations actuelles et l'exploration de nouvelles possibilités.

Il y a cinq ans, Troy Young, alors le président de Hearst, a élaboré un système destiné à résoudre les problèmes de distribution des données analytiques au sein de l'organisation, dus à des tableaux de bord de reporting inefficaces. Cette solution reposait sur l'intégration des données dans leur principale plateforme de communication, Slack, largement utilisée à l'interne.

L'outil, baptisé "HANS" (Hearst Answers), a permis à tout membre de l'organisation de faire des demandes de données relatives à la performance du contenu, aux revenus, aux sources de trafic et aux aspects opérationnels, transformant ainsi leur ensemble de données analytiques en une ressource facilement accessible via leur système de chat.

Depuis le lancement de leur projet avec Slack, l'interprétation des données par les machines a connu une amélioration exponentielle. Troy Young souligne la croissance constante de la puissance des interfaces de langage naturel intelligentes, qui facilitent l'accès aux données organisationnelles et aux processus commerciaux. Cette capacité a été significativement renforcée par le développement de grands modèles linguistiques et par l'opportunité d'intégrer des connaissances externes dans les processus internes.

Sa vision d'un futur très proche résume bien tout ce que nous venons d'explorer.

Il s'imagine un modèle conceptuel pour la structure organisationnelle future, où l'IA fonctionne comme un employé intégré dans l'infrastructure de communication interne comme Slack, Discord ou Teams.

Les entreprises seront bientôt caractérisées comme des ensembles de données avec l'IA au cœur, fonctionnant comme des orchestrateurs. Les entreprises les plus agiles et prospères intégreront des outils d'IA génératifs dans chaque partie de leur organisation, complétant l'effort et le jugement humains, rendant ainsi leur main-d'œuvre beaucoup plus informée et productive.

Pour c'est pour quand l'IA Transformationnelle?

Malgré la frénésie de l'IA qui nous a envahis, il est bon de revenir à l'histoire. Dans une dissertation des plus complètes sur les défis en innovation, ce passage nous ramène à la dure réalité:

L'homme a une bonne réputation en matière d'innovation. La mécanisation de l'agriculture, les machines à vapeur, l'électricité, la médecine moderne, les ordinateurs et l'internet : ces technologies ont radicalement changé le monde. Pourtant, le taux de croissance tendanciel du PIB par habitant dans les économies pionnières du monde N'A JAMAIS DÉPASSÉ 3 % PAR AN. (données)

La principale raison? Les fameux goulots d'étranglement.

S'il y a une chose à se rappeler en histoire d'innovation c'est qu'automatiser la majorité des tâches a des effets très différents sur la croissance par rapport à l'automatisation de toutes les tâches. Les données économiques historiques des États-Unis montrent que l'innovation inégale à travers les différents secteurs a effectivement ralenti la croissance de la productivité globale.

L'IA est confrontée au défi d'automatiser le "long tail" des tâches qui ne sont pas présentes dans les données d'entraînement, qui ne sont pas toujours lisibles, ou qui sont trop critiques pour être déployées.

Et ajoutez à cela que l'IA génératif peut avoir des effets de BAISSE de productivité. Prenons un cas d'actualité au Canada, soit le développement immobilier:

GPT-4 est un envoi des dieux (godsend) pour un NIMBY (not in my background) confronté à une demande de planification. En cinq minutes, il peut produire une objection bien écrite de 1 000 pages. Quelqu'un doit alors y répondre... les avocats se multiplieront. "Dans les années 1970, vous pouviez conclure une affaire de plusieurs millions de dollars sur 15 pages parce que la retranscription était une corvée," dit Preston Byrne de Brown Rudnick, un cabinet d'avocats. "L'IA nous permettra de couvrir les 1 000 cas limites les plus probables dans la première ébauche, et ensuite les parties se disputeront pendant des semaines." (source)

Encore les avocats! 😄

Revenons à notre machine à vapeur

Les auteurs de la recherche précédente, après leur démonstration des défis majeurs de l'IA, concluent tout de même avec ceci:

La machine à vapeur a certainement stimulé la croissance et a rendu le monde méconnaissable. Nous tenons à souligner que si l'IA finit par ressembler à la machine à vapeur, plutôt que de la surpasser qualitativement, cela reste un résultat important et passionnant !

Terminons sur un conseil pratique d'un des experts en utilisation IA, soit le professeur en innovation et entrepreneuriat de Wharton, Ethan Mollick.

S'il peut être utile de considérer l'IA comme un employé au sein de votre organisation, voici ce qu'il recommande à ses élèves:

Lorsque j'enseigne ce sujet, je demande aux gens : "Combien d'entre vous ont passé 10 heures avec l'IA ?". Il est préférable de penser à l'IA comme à une personne. Vous devez apprendre ses forces et ses faiblesses, vous devez apprendre ce qui le rend "fou" (go nuts), vous devez avoir le sentiment de "OK, j'interromps cette conversation parce qu'elle ne va pas dans le sens que je veux. On doit recommencer". Il y a donc un facteur d'expérience avec l'IA et vous avez besoin de cette base d'informations pour travailler, et je pense que c'est en partie une question de temps d'utilisation.

Alors, allons tester. Et partageons nos découvertes!

👋🏻 Merci d'avoir pris le temps de me lire, car ce texte a demandé beaucoup de recherche. Si vous avez des questions, n'hésitez surtout pas à me contacter.

P.-S. J'offre une présentation d'environ 60 minutes sur l'impact de l'IA sur le monde du travail. Nous l'adoptons à vos besoins.