Améliorez les compétences de votre équipe en matière d'IA
Transformez votre entreprise en dotant votre équipe de compétences avancées en matière d'IA grâce à DataCamp for Business. Améliorez vos connaissances et votre efficacité.
Bref historique de l’impact des technologies sur l’emploi
Avant d’examiner l’impact potentiel de l’IA générative sur les emplois aujourd’hui, revenons brièvement sur la façon dont la technologie a façonné le travail et l’économie à des moments clés de l’histoire récente (voir par exemple Acemoglu, 2002).
1770 à 1970 : l’automatisation a dopé la productivité
Au XIXe siècle au Royaume-Uni, la main-d’œuvre peu qualifiée était abondante tandis que les travailleurs hautement qualifiés étaient rares. Les usines ont alors simplifié et automatisé des métiers d’artisans qualifiés, comme le filage du coton dans le textile. Cela a entraîné d’importants gains de productivité mais aussi des protestations, comme les révoltes luddites, au cours desquelles des artisans ont détruit des machines pour freiner précisément cette automatisation.
Un mouvement similaire s’est produit au début du XXe siècle avec l’introduction de la chaîne de montage, qui a fortement accru la demande d’emplois répétitifs et peu qualifiés. Depuis les années 1970, toutefois, c’est l’exception : les nouvelles technologies ont surtout profité aux travailleurs très qualifiés, en remplaçant des tâches routinières non ou semi-qualifiées souvent réalisées par des emplois de classe moyenne, comme décrit ci-dessous.
Un exemple marquant est l’automatisation généralisée de l’agriculture, d’abord grâce aux machines hippomobiles puis grâce au moteur à combustion qui a substitué au labeur manuel pénible.
1970 à 2010 : l’automatisation a nourri les inégalités
Lorsque j’ai terminé mon doctorat en économie du travail et en statistiques il y a quelques années, nous sortions de quatre décennies de hausse des inégalités salariales. Cette hausse résultait en grande partie d’une demande accrue pour des travailleurs mieux formés (combinée à une pression à la baisse sur les salaires pour les emplois délocalisables). D’autres causes jouent évidemment aussi un rôle, comme le déclin de la syndicalisation.
Cette tendance surprenait, car l’essor scolaire avait fortement augmenté l’offre de jeunes diplômés très qualifiés sur la même période. Une automatisation peu intelligente, comme celle par les robots, combinée aux délocalisations, s’est largement diffusée, en particulier dans l’industrie, et a remplacé d’anciens emplois de classe moyenne, souvent centrés sur des tâches routinières propices à l’automatisation (voir Autor et al., 2022).
Parmi les exemples : les tâches répétitives d’assemblage, le picking ou le tri, et la tenue de registres ou les calculs. Microsoft Excel a clairement transformé les emplois de bureau typiques, et des postes comme guichetiers de banque ou standardistes ont quasiment disparu. Dans le même temps, nous n’avons pas connu un monde sans emploi, car de nouvelles carrières sont apparues, comme data analyst, technicien en éoliennes ou conseiller en santé mentale. L’émergence de ces métiers n’est pas directement due à l’automatisation, mais l’automatisation et les gains de productivité nous ont libérés pour explorer de nouveaux domaines.
Les effets macroéconomiques globaux de ces technologies ont été en deçà des attentes. Les gains de productivité ont nettement ralenti depuis le début des années 1970 (avec une brève exception autour de la bulle internet à la fin des années 1990, voir Moss et al., 2020). Le lauréat Nobel Robert Solow a résumé cela dans son fameux paradoxe de la productivité : « On voit l’ère de l’informatique partout sauf dans les statistiques de productivité. »
Les raisons précises pour lesquelles l’informatique ne nous a pas rendus plus productifs font débat (erreurs de mesure, produits apparemment gratuits comme Wikipedia ou les réseaux sociaux, etc.), et rien ne fait consensus. Ce qui ne fait pas débat, c’est que la croissance de la productivité est aujourd’hui à peine la moitié de celle des trente années qui ont suivi la Seconde Guerre mondiale.
2010 à COVID-19 : l’emploi progresse malgré l’absence d’IA et de percées technologiques liées à la pandémie
Si la reprise (et la croissance de la productivité) a déçu après la Grande Récession, la demande de travail est restée forte, comme l’écrivait The Economist en 2019 : « Le monde riche connaît un boom de l’emploi sans précédent. » Ces créations d’emplois ont surtout été portées par des facteurs sans lien avec les nouvelles technologies, comme les plans de relance, des taux d’intérêt bas et la hausse de la participation des femmes au marché du travail.
Les entreprises ont commencé à recruter des spécialistes de l’IA autour de 2010. La tendance s’est accélérée vers 2015, et certains indices suggèrent que ces entreprises ont alors réduit leurs recrutements dans d’autres services. Néanmoins, jusqu’au début de la pandémie de COVID-19, il y a peu de preuves que les premiers modèles d’apprentissage automatique aient eu un effet sur l’emploi ou les salaires (voir par exemple Acemoglu et al., 2022).
La pandémie a eu un impact inattendu sur les entreprises et les emplois, accélérant en quelques mois des évolutions qui auraient pris une décennie. Le télétravail et le home office se sont généralisés : avant le Covid, environ 5 % des journées travaillées se faisaient à domicile ; ce chiffre a bondi à 60 % au plus fort de la crise et se maintient autour de 30 % depuis (voir Bloom et al., 2023). De nombreuses entreprises ont aussi accéléré leurs investissements dans l’automatisation, par exemple via des robots ou des caisses en libre-service.
Quel impact des LLM sur les emplois de bureau ?
Ce bref détour historique montre que l’impact du changement technologique sur l’emploi n’est pas univoque. Les économistes parlent soit de substitution des compétences (comme au XIXe siècle), soit d’augmentation des compétences (comme au XXe siècle).
Dans les modèles économiques modernes, dits canoniques revisités (Acemoglu et Autor, 2011), on suppose que les emplois sont un faisceau de tâches et qu’il existe différents groupes de compétences ou de niveaux d’éducation, chacun avec ses avantages comparatifs.
Ces groupes peuvent se substituer les uns aux autres, mais imparfaitement. Le fait que de nouvelles technologies remplacent certains groupes de compétences dépend, entre autres, de la demande pour certaines tâches, de l’offre ou de la disponibilité de ces groupes, et de leurs salaires.
Globalement, on observe que des pays avancés au vieillissement plus rapide comme l’Allemagne, le Japon ou la Corée du Sud ont adopté davantage de robots en réponse à la rareté des ouvriers de production. Les entreprises ont intérêt à inventer et adopter des technologies substitutives si les travailleurs très qualifiés manquent, si leurs salaires sont élevés, ou en cas de décalage entre les compétences demandées et celles disponibles. Chez DataCamp, nous nous attachons justement à rendre accessibles au plus grand nombre les compétences les plus recherchées !
Fait intéressant, beaucoup pensaient encore récemment que les nouvelles formes d’intelligence artificielle, comme la conduite autonome, remplaceraient d’abord des emplois manuels tels que chauffeurs routiers ou de train. Or, les applications d’IA générative lancées récemment brillent dans des activités typiquement réalisées par des cols blancs : rédaction d’essais, recherche documentaire, programmation.
Voyons ce que des LLM comme ChatGPT estiment pouvoir automatiser.
Il mentionne la traduction, la génération de texte, d’images et de vidéos, la composition musicale, les agents conversationnels ou encore les recommandations personnalisées. Cette liste éclaire pourquoi certaines études suggèrent que l’IA générative pourrait davantage toucher les professions mieux rémunérées : enseignants en langues, littérature, histoire, services juridiques, finance, assurance et comptabilité (voir Felten et al., 2023).
Même si l’impact sur l’éducation sera sans doute profond — imaginez des assistants IA permettant aux apprenants d’avancer à leur rythme — il paraît peu probable que les postes d’enseignants disparaissent massivement à court terme (leur rôle dépasse largement ce qu’un chatbot peut transmettre). En revanche, les progrès de l’IA générative en reconnaissance d’images, de texte et d’audio pourraient transformer en profondeur la recherche documentaire, le diagnostic médical, le service client ou les analyses (de données).
Cela ne signifie pas que radiologues, traducteurs ou comptables vont disparaître, mais leurs métiers pourraient évoluer fortement. L’objectif est d’offrir aux médecins davantage de temps pour leurs patients en les déchargeant de tâches administratives basiques.
Les estimations d’OpenAI et de Goldman Sachs sur l’impact emploi
Une étude coécrite par OpenAI, les créateurs de ChatGPT, considère les nouveaux LLM comme une technologie à usage général : d’abord intégrable à un large éventail de flux de travail, ensuite en amélioration continue, et enfin génératrice d’innovations complémentaires et d’effets d’entraînement.
Ils estiment que 15 % de l’ensemble des tâches réalisées par la main-d’œuvre aux États-Unis pourraient être effectuées beaucoup plus rapidement grâce aux LLM. Si l’on ajoute des technologies complémentaires, ce chiffre pourrait dépasser la moitié des tâches.
Parmi les tâches fortement exposées figurent la rédaction et le codage, tandis que les sciences ou la pensée critique le sont moins. L’exposition est calculée ici selon qu’« un LLM ou un système propulsé par LLM réduirait d’au moins 50 % le temps nécessaire à un humain pour réaliser [...] ou accomplir une tâche ». De manière générale, les emplois demandant davantage d’études, de formation et d’expérience se révèlent plus exposés.
Goldman Sachs estime que deux tiers des emplois aux États-Unis seront au moins partiellement affectés par l’IA générative (avec 25 % à 50 % de leurs tâches potentiellement automatisables). Ils n’anticipent toutefois pas de vagues massives de licenciements et voient plutôt l’IA générative comme une technologie complémentaire à l’humain que substitutive.
Les impacts à court terme de l’IA générative
Il s’agit probablement d’un plafond à court et moyen terme, car toute nouvelle technologie exige un temps d’adoption. L’IA générative devrait néanmoins se diffuser plus vite que, par exemple, Internet, qui a mis une à deux décennies avant de devenir réellement grand public.
Questions juridiques et éthiques autour de l’adoption de l’IA générative
Même ainsi, les nouvelles technologies font face à des obstacles. Des questions juridiques se posent, particulièrement dans les professions de bureau bien rémunérées, et des inconnues subsistent quant à l’automatisation de tâches dans l’éducation, la médecine ou les services professionnels.
Qui serait, par exemple, responsable en cas d’erreur commise par une IA générative ? Qu’en est-il des potentielles atteintes au droit d’auteur liées au crawl massif du web pour entraîner ces modèles ? Ajoutons que même les entreprises publiant les LLM récents reconnaissent que ces modèles peuvent parfois échouer de façon spectaculaire (et qu’il semble difficile d’en diagnostiquer précisément les causes).
Perturbation de métiers spécifiques par l’IA générative
Ces obstacles ne touchent pas tous les emplois de bureau au même degré. L’IA générative pourrait, et le fait sans doute déjà, bousculer certains segments du marché du travail. Pensez au marketing, où l’on rédige souvent des textes assez génériques, ou au support client, où les chatbots progressent à vive allure. Les LLM traduisent, synthétisent et interprètent si bien les textes qu’il est difficile d’imaginer que nous aurons besoin du même nombre de traducteurs demain.
Des outils comme Google Translate ou DeepL sont déjà excellents, et le premier cas d’usage de BERT chez Google portait précisément sur la traduction. Ensuite, des activités de développement logiciel relativement simples et la création de contenus standardisés dans les médias et l’éducation pourraient être en partie automatisées, tout comme des tâches de parajuridique ou de préparation fiscale.
Les métiers du service client seront inévitablement affectés étant donné les immenses progrès sur les interactions conversationnelles. Par exemple, un document de travail tout juste publié, coécrit par Erik Brynjolfsson, estime que l’IA générative a accru en moyenne de 14 % la performance de plus de 5 000 agents de support, surtout chez les nouveaux arrivants et beaucoup moins chez les agents expérimentés.
Pour les travailleurs concernés, l’effet d’une externalisation vers des machines (automatisation) ou vers d’autres pays (offshoring) est similaire. Leurs tâches seront soit codifiées et réalisées localement par des robots moins coûteux, soit transférées électroniquement ou physiquement vers d’autres pays et effectuées par une main-d’œuvre meilleur marché.
Les impacts à long terme de l’IA générative
À moyen et long terme, l’impact de l’IA générative sur l’économie sera sans conteste profond. Combinée à d’autres technologies, comme la robotique, la plupart des métiers seront touchés à des degrés divers (même si les enseignants de maternelle, les serveurs ou le travail social restent, pour l’instant, relativement à l’abri).
Ces dernières décennies, la demande et les salaires ont surtout augmenté pour les emplois très qualifiés, tandis que les emplois de classe moyenne déclinaient et que les salaires des emplois peu rémunérés stagnaient souvent. Mais une autre tendance a aussi polarisé le marché du travail : la hausse de la demande pour des emplois de services, souvent peu payés. Livraison de colis, mise en rayon, travail d’entrepôt, services à la personne (ménage, sécurité, accompagnement des jeunes ou des aînés), et ajoutons ici chauffeurs routiers, ferroviaires ou VTC.
Trois scénarios possibles pour la suite du développement de l’IA générative
Beaucoup de ces emplois pourraient devenir vulnérables si les technologies automobiles progressent encore et si les robots gagnent en intelligence et en habileté sur des tâches 3D non triviales. J’imagine trois scénarios :
- Nous vivons un point d’inflexion, et l’IA générative est une technologie de rupture, comme l’imprimerie, la machine à vapeur ou le transistor, qui transformera profondément notre manière de travailler et de vivre, avec des améliorations continues à moyen terme.
- L’IA générative nécessitera encore des décennies de développement avant de pouvoir remplacer en toute sécurité des tâches humaines au-delà de domaines spécifiques, à l’image des voitures autonomes qui, malgré de grands progrès il y a dix ans, restent limitées sans supervision humaine.
- Les technologies actuelles ont peut-être déjà atteint un palier, et la suite ne sera qu’incrémentale, un peu comme la recherche en ligne où le PageRank de Google a révolutionné le secteur au début des années 2000 (au détriment de Yahoo! et Altavista), suivi de progrès graduels.
Évidemment, nul ne sait quel scénario se concrétisera, mais je suis aujourd’hui beaucoup plus optimiste (et en partie inquiet) qu’à n’importe quel moment depuis les débuts d’Internet à l’idée que nous assistons à l’essor d’une technologie véritablement transformatrice.
Allons-nous vers une utopie IA ou une dystopie IA ?
Ces évolutions nous mèneront-elles vers un futur dystopique où ne subsisteraient que les emplois impliquant l’interaction humaine directe, le développement et la maintenance de ces technologies, ou des tâches manuelles complexes et spécifiques ?
Je ne le pense pas.
Nous savons généralement inventer de nouveaux rôles qui complètent la technologie ou ouvrent des voies inédites (data scientists, art-thérapeutes, tatoueurs, etc.). C’est pourquoi je ne crains pas un avenir sans emploi.
Néanmoins, si je dirigeais une entreprise, je prendrais très au sérieux l’impact potentiel sur mon activité et je réfléchirais stratégiquement à la manière de réagir et aux profils à recruter.
À titre individuel, je réfléchirais aussi aux compétences dans lesquelles investir, et à leur vulnérabilité potentielle à l’automatisation par des machines intelligentes.
En tant que décideur public, j’encouragerais davantage l’éducation, je réviserais les programmes de formation, je sensibiliserais au fait que nous sommes peut-être à un point d’inflexion et j’éviterais d’orienter, à brève échéance, surtout les plus jeunes vers des emplois rapidement automatisables.
Passez au niveau supérieur
Que pouvez-vous faire, individuellement, en tant que responsable de la réussite de votre entreprise ou de vos équipes, pour tirer le meilleur parti de l’IA générative ?
À ce stade, il est très probable que nous assistions à une nouvelle révolution technologique. Je vous recommande donc vivement de comprendre les fondamentaux de l’IA générative pour définir la meilleure stratégie de réponse.
Comment procéder ? Vous pouvez, par exemple, apprendre ChatGPT avec le cours Introduction to ChatGPT de DataCamp (et d’autres cours à venir), ou consulter nos autres ressources, comme notre guide d’utilisation de ChatGPT pour les projets data science ou notre mémo OpenAI API en Python.
Et bien sûr, testez vous-même ces nouvelles technologies et lancez quelques prompts. Si vous connaissez déjà les LLM, parcourez les articles de recherche listés ci-dessous et tenez-vous au courant des nouveautés.
Sources :
Formation de 2 personnes ou plus ? Découvrez nos solutions pour les entreprises
Permettez à votre équipe d'accéder à l'ensemble de la bibliothèque DataCamp, avec des rapports centralisés, des missions, des projets et bien d'autres choses encore.
