Les postes et les emplois après l'IA : des raisons d'être optimiste
Richard Zuroff Richard Zuroff
16 janvier 17 min

Les postes et les emplois après l'IA : des raisons d'être optimiste

« Les robots et l'intelligence artificielle vont-ils "voler" tous nos emplois ? »

Ou plus précisément, « comment l'automatisation continue des tâches physiques et cognitives va-t-elle perturber le marché du travail? » C'est une question que l'on nous pose souvent, et la réponse courte est que personne ne le sait avec certitude, et que toute prévision à ce stade est susceptible d'être inexacte. Cependant, nous pensons qu'il y a de bonnes raisons d'être optimiste quant à l'effet global de l'intelligence artificielle (IA), à condition que la technologie soit développée, déployée et réglementée d'une manière centrée sur l'humain.

En effet, les connaissances sur les vagues antérieures d'automatisation et une analyse minutieuse de la technologie actuelle peuvent aider à clarifier ce qui pourrait (ou non) être différent de l'effet que l'IA aura probablement sur l'emploi par rapport à d'autres technologies de transformation. En particulier, ce qui manque aux analyses pessimistes qui se concentrent uniquement sur les tâches que l’IA peut (ou pourra) accomplir à la place des personnes, c’est une prise en compte des effets secondaires de l’IA. Nous devrions examiner si l’IA pourrait accroître la qualité des emplois et la demande de compétences complémentaires plus largement accessibles; apporter de réelles améliorations aux produits et services qui augmentent le pouvoir d’achat des salaires des travailleurs; et renforcer la nécessité de politiques qui incitent les entreprises à investir dans le capital humain et la participation des personnes à la prise de décisions.

Les différentes façons dont l’automatisation a un effet sur les emplois

La plupart des documents sur l’effet de l’IA sur le marché du travail se concentrent d’abord sur la question de savoir si (ou quand) l’IA sera en mesure d’accomplir certaines tâches. Des études récentes reconnaissent que les emplois sont des ensembles de tâches, de sorte que l’effet de l’automatisation sera beaucoup plus important que le nombre d’emplois qui pourraient être complètement éliminés. L’automatisation de certaines des tâches qui composent un travail peut réduire la demande pour ce travail, ou créer de nouvelles tâches pour ce titulaire de poste ou d’autres. Elle peut également modifier les compétences que les employeurs rechercheront pour pourvoir un poste. Par exemple, alors que les caisses automatiques sont destinées à éliminer le besoin pour les employés du magasin de traiter les transactions, les caissiers passent souvent du temps à aider les clients à utiliser ces machines, à faire le travail émotionnel d’apaiser les clients en colère lorsque les machines ne fonctionnent pas correctement et à réparer les machines lorsqu’elles tombent en panne.1 Les architectes et les concepteurs qui ont accès à des logiciels de conception assistée par ordinateur qui utilisent l’IA pour générer des plans ne risquent pas de perdre leur emploi. Ils seront plutôt en mesure de concevoir plus rapidement des bâtiments ou des produits plus complexes ou plus imaginatifs.

Ces exemples reflètent la tendance générale selon laquelle l’introduction de nouvelles technologies élimine rarement la demande de travailleurs humains; elle augmente également la demande de travailleurs ayant des compétences complémentaires. Par exemple, l’électrification a créé une nouvelle demande de télégraphistes et d’ingénieurs électriciens pour produire et transporter de l’énergie,2 de travailleurs d’usine pour utiliser des machines industrielles, ainsi que de commis et de gestionnaires de bureau3 pour traiter l’information générée par des chaînes d’approvisionnement et des modèles d’affaires plus complexes.

En fait, la plupart des technologies en milieu de travail se substituent à un ensemble de tâches tout en complétant les autres : les outils d’imagerie médicale se substituent aux techniciens mais complètent les médecins; dans les entrepôts avancés, les robots ont pris le relais du travail humain qui consiste à marcher avec des paquets, mais les travailleurs humains continuent à effectuer les tâches manuelles de « prélèvement et d’emballage » qui sont très difficiles pour les robots.

Depuis le début de l’ère des ordinateurs et des technologies numériques, les nouveaux emplois (des titres qui n’existaient pas dans une décennie précédente) comme celui d’« ingénieur en logiciels » ont représenté plus de la moitié des quelque 50 millions d’emplois ajoutés depuis 1980 aux États-Unis.4 Par conséquent, l’effet global d’une technologie comme l’IA sur le marché du travail sera l’ensemble de la création d’emplois, de la destruction d’emplois et des changements d’emplois. Que peut nous dire l’histoire sur ces différentes répercussions?

Automatisation, hier et aujourd’hui

Historiquement, les effets négatifs de la substitution du travail humain par la technologie automatisée ont été compensés par les avantages positifs. Par exemple, alors que les machines textiles industrielles ont remplacé les tisserands artisanaux dans l’Angleterre du 19e siècle et ont causé un chômage rural généralisé,5 elles ont également réduit le coût des vêtements et d’autres biens et ont augmenté le niveau de vie partout. De même, l’éclairage électrique a permis aux usines industrielles de fonctionner par roulement 24 heures sur 24, ce qui a augmenté la demande de travailleurs d’usine tout en réduisant l’exposition des employés aux risques de fumée et d’incendie. Plus récemment, McKinsey a estimé que l’introduction de l’ordinateur personnel a permis la création de 15,8 millions de nouveaux emplois nets aux États-Unis depuis 1980, y compris les emplois déplacés.6

En revenant sur les époques précédentes, il est également important de distinguer l’effet global positif de l’automatisation sur l’emploi de son incidence sur les salaires et les différentes cohortes de travailleurs, qui montre plutôt un mélange d’effets positifs et négatifs. La révolution industrielle a fait stagner les salaires moyens (ajustés en fonction de l’inflation) pendant des décennies en Angleterre, alors même que la productivité augmentait.7 La croissance des salaires a fini par rattraper le retard, mais la période de transition a été difficile et a nécessité des réformes politiques.8 Aux États-Unis, grâce en partie au succès de la négociation collective qui a permis de lier les augmentations salariales à l’amélioration de la situation économique,9 la période de 1940 à 1980 a connu une croissance soutenue de la productivité qui a été étroitement liée aux augmentations de la rémunération des travailleurs typiques.10 Toutefois, depuis 1980, la croissance des salaires et de la productivité semble avoir divergé.11

Croissance de la productivité et de la rémunération aux É.-U., 1948-2016

Il existe deux théories (parmi tant d’autres) sur les raisons pour lesquelles les salaires n’ont pas augmenté aussi fortement au cours des 20 dernières années, qu’il est important de prendre en compte lorsqu’on réfléchit à l’effet potentiel futur de l’AI. Une théorie souligne que la première génération de technologies numériques ne pouvait pas reproduire la dextérité physique, la reconnaissance visuelle et les compétences en communication face à face associées aux emplois manuels et de service.12 Par conséquent, la vague précédente d’automatisation avait tendance à remplacer les travailleurs moyennement qualifiés et à freiner la croissance globale des salaires parce que l’effet était inégalement réparti dans la main-d’œuvre.

Une deuxième théorie soutient que la productivité n’a en fait pas augmenté de façon significative, parce que de nombreuses technologies numériques ont permis d’exécuter des tâches auparavant effectuées par des travailleurs sans nécessairement améliorer la qualité du produit ou du service.13 Pour chaque exemple positif d’automatisation efficace (comme les péages automatisés qui se substituent aux péagers), il existe également de nombreux exemples négatifs à l’appui de cette théorie, comme les systèmes téléphoniques informatisés qui obligeaient les utilisateurs à naviguer dans des menus de branchement complexes et ne pouvaient résoudre de façon concluante que les problèmes les plus fondamentaux des clients.14 Les systèmes d’IA et d’apprentissage machine devraient faire mieux, mais il n’est pas clair si cela signifie que nous devrions nous attendre à ce que l’effet sur les emplois et la main-d’œuvre ressemble davantage à une troisième révolution industrielle, à la prospérité partagée des années 1940 ou à quelque chose d’entièrement différent.

Les effets probables de l’IA demain

Dans quelle mesure l’IA remplacera-t-elle les tâches et les postes existants? Les estimations varient, mais des chiffres représentatifs pour les économies développées suggèrent qu’environ un quart à un tiers des emplois comportent une forte proportion de tâches qui pourraient être automatisées, un peu plus d’un tiers ont une exposition moyenne, et environ 40 pour cent ont une faible proportion de tâches qui peuvent être accomplies avec une technologie qui est ou sera bientôt disponible sur le marché.15

Les tâches routinières et répétitives sont celles qui risquent le plus d’être automatisées, de sorte que ces chiffres globaux peuvent masquer des différences importantes entre les régions qui ont des concentrations différentes de types d’emploi. Par exemple, les villes et les entreprises qui comptent une forte proportion d’emplois administratifs en arrière-guichet (back office) sont susceptibles d’être davantage touchées par l’automatisation à court terme que les centres de recherche et développement. Cependant, comme le montrent l’histoire et la théorie, la substitution n’est qu’une partie de l’histoire.

Étant donné le grand nombre de tâches et d’emplois qui pourraient être partiellement automatisés, quelles raisons nous poussent à être optimistes quant à l’effet global de l’IA (y compris la création de nouveaux emplois, le changement d’emploi et la croissance de la productivité) qui sera éventuellement positif pour l’économie et le marché du travail?

Tout d’abord, alors que les travailleurs ayant un niveau d’éducation plus faible ont abandonné la population active dans les économies développées au cours des dernières décennies,16 la sophistication croissante de l’IA n’exacerbera pas nécessairement cette tendance. Les compétences qui sont complémentaires à l’IA moderne – comme la sociabilité, l’empathie et le jugement17 – sont moins corrélées avec le niveau d’éducation que les compléments aux premières technologies informatiques (comme le raisonnement quantitatif). Cela suggère qu’un plus large échantillon de la population pourrait avoir les talents innés qui seront précieux sur un marché du travail qui s’attend à ce que les gens travaillent aux côtés des machines. Une demande de main-d’œuvre mieux répartie pourrait réduire une partie de la polarisation du marché du travail qui a concentré la croissance des salaires sur les travailleurs les plus qualifiés tout en dévaluant la majorité du travail dans un passé récent.18 Une demande croissante de compétences et de traits comme l’empathie pourrait également améliorer la qualité des emplois, ce qui pourrait être plus important que la simple augmentation de la quantité d’emplois puisque les tendances démographiques indiquent une pénurie croissante de main-d’œuvre dans les économies développées d’ici la fin de la décennie.19

Deuxièmement, l’IA moderne qui déplace une partie du travail humain a le potentiel d’améliorer réellement la qualité des produits et des services. Par exemple, le logiciel d’IA de traitement d’images dans l’appareil photo permet aux gens ordinaires de prendre des photos d’aspect presque professionnel avec leur téléphone; les systèmes de médecine diagnostique (comme les détecteurs de cancer de la peau et du poumon alimentés par l’IA) peuvent réduire les coûts et élargir l’accès aux patients; et les robots collaboratifs peuvent travailler en toute sécurité aux côtés des gens pour accélérer considérablement la fabrication. Si l’IA améliore la qualité des biens et des services sans en augmenter le coût de manière significative, le niveau de vie global augmentera et les travailleurs (qui sont aussi des consommateurs) obtiendront un plus grand pouvoir d’achat grâce à leurs salaires.20 De plus, si les politiques aident à garantir que les entreprises reconnaissent les employés comme des parties prenantes importantes (et pas seulement un autre type d’actif immatériel21), alors les travailleurs en bénéficieront aux côtés des actionnaires lorsque l’IA permet aux entreprises de tirer profit de la construction et de la fourniture de produits et de services plus efficacement.

Troisièmement, le volume réel des tâches qui utiliseront l’IA pour remplacer entièrement l’activité humaine sera probablement beaucoup plus faible que le total des tâches qui pourraient être remplacées techniquement à court et à moyen terme. L’acceptation sociale de l’utilisation de l’IA pour des tâches qui ont d’importantes conséquences juridiques ou économiques nécessitera des mécanismes pour garantir que les principes de base de la prise de décision éthique – comme le fait de traiter les gens de manière cohérente et équitable et d’offrir des recours efficaces lorsque les décisions ou les actions sont incorrectes ou injustes22 – sont respectés par les systèmes automatisés. Cela nécessitera des progrès techniques dans des domaines tels que l’explicabilité de l’IA, l’équité et la conception centrée sur l’humain23 qui pourraient progresser plus lentement que les compétences en IA telles que la perception, la catégorisation, la prévision et l’optimisation, ce qui, à son tour, permettrait de garder plus longtemps plus de « personnes dans la boucle » des processus métier.

Même en supposant que toutes les conditions légales et éthiques soient réunies, les organisations ne remplaceront le travail humain par l’IA que lorsque cela sera économiquement avantageux. Aujourd’hui, il existe de nombreuses incitations qui favorisent l’investissement dans les biens d’équipement comme les machines et les logiciels.24 Mais à une époque où le capital financier est abondant mais où le temps, le talent, l’énergie et les idées des gens sont particulièrement importants pour le rendement des entreprises,25 les incitations pourraient être rééquilibrées pour utiliser plus de capital humain. Cela réduirait l’effet du déplacement des travailleurs résultant de l’IA en dessous du potentiel théorique d’automatisation.

Optimisme orienté vers l’action

Nous pensons que ni le chômage à grande échelle ni la prospérité et la croissance partagées ne sont des résultats garantis par l’adoption généralisée de l’IA. L’anxiété que suscitent les changements d’emploi et de travail associés aux technologies transformatrices comme l’IA est naturelle, et elle peut être une force positive si elle permet aux technologues, aux chefs d’entreprise et aux décideurs de se concentrer davantage sur les choix qui rendent les résultats positifs plus probables. Le pouvoir de choisir reste entre les mains des humains.

Si vous souhaitez en savoir plus sur la façon dont l’IA modifie votre stratégie en matière de personnel ou de talents, ou si vous souhaitez obtenir de l’aide dans votre démarche d’adoption de l’IA, contactez notre équipe de Conseils et mise en oeuvre.

Note de bas de page

  1. Data and Society, « AI in Context: The Labor of Integrating New Technologies » (2019), remarque que « pour combler l’écart entre les clients et les caisses, il faut des compétences différentes de celles d’un simple préposé aux caisses, qui s’apparentent davantage à celles d’un agent de la circulation qui coordonne les véhicules à une intersection alambiquée. »
  2. Daron Acemoglu et Pascual Restrepo, « Automation and New Tasks: How Technology Displaces and Reinstates Labor » Journal Of Economic Perspectives (2019).
  3. Guy Michaels, « The Division of Labour, Coordination, and the Demand for Information Processing », Document de réflexion du Centre for Economic Policy Research (2008).
  4. Daron Acemoglu et Pascual Restrepo, « The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment » American Economic Review (2018).
  5. Joel Mokyr, « A review essay of Carl Benedikt Frey, The Technology Trap: Capital Labor, and Power in the Age of Automation » Journal Of Economic History (2019).
  6. McKinsey Global Institute, « Jobs Lost, Jobs Gained: Workforce Transitions In A Time Of Automation » (2018).
  7. Robert C.Allen, « Engels’ Pause: Technical Change, Capital Accumulation, And Inequality In The British Industrial Revolution » Explorations in Economic History (2009).
  8. McKinsey supra note 6.
  9. Frank Levy and Thomas Kochan, « Addressing the Problem of Stagnant Wages » Comparative Economic Studies (2012).
  10. MIT Task Force on the Work of the Future, « The Work of the Future: Shaping Technology and Institutions » (2019).
  11. Ibid
  12. Ibid
  13. Ibid
  14. Ibid
  15. Par exemple, voir les estimations pour les États-Unis dans Mark Muro, Robert Maxim et Jacob Whiton, « How machines are affecting people and places », Brookings (2019). Les chiffres canadiens (selon une approche basée sur les emplois plutôt que sur les tâches) sont disponibles auprès de « The Talented Mr Robot » de l’Institut Brookfield (2016).
  16. Voir par exemple le Conseil des conseillers économiques de la Maison Blanche, « The Long-term Decline In Prime-age Male Labor Force Participation » (2016).
  17. Voir par exemple d’Ajay Agrawal, Joshua Gans et Avi Goldfarb, « Prediction, Judgment, and Complexity: A Theory of Decision Making and Artificial Intelligence » National Bureau of Economic Research (2019).
  18. David H. Autor, « Skills, Education, and the Rise of Earnings Inequality Among the ’Other 99 Percent », Science (2014).
  19. Bain & Company, « Labor 2030: The Collision of Demographics, Automation and Inequality » (2018) prévoit que la population en âge de travailler (25-54 ans) diminuera de 0,4 % dans les économies avancées comme les États-Unis, l’Europe de l’Ouest, le Canada, l’Australie et le Japon. Voir aussi Daron Acemoglu et Pascual Restrepo, « Demographics and Automation », NBER (2019).
  20. « Les augmentations de la productivité du travail se traduisent généralement par des augmentations des salaires moyens, ce qui donne aux travailleurs la possibilité de réduire leurs heures de travail et de s’offrir plus de biens et de services. » Voir « Artificial Intelligence, Automation, and the Economy » du Bureau exécutif du Président des États-Unis (2016).
  21. Bien que la notion selon laquelle les entreprises devraient se concentrer exclusivement sur la maximisation de la valeur pour les actionnaires soit populaire aux États-Unis, la plupart des autres économies axées sur le marché « reconnaissent les employés et les collectivités comme des parties prenantes légitimes auxquelles une entreprise doit être sensible ». MIT Task Force on the Work of the Future supra note 10.
  22. Ben Green et Yiling Chen, « The Principles and Limits of Algorithm-in-the-Loop Decision Making », Proc. ACM Hum.-Comput. Interact 2019
  23. Voir « Slave to the Algorithm? Why a ‘Right to an Explanation’ Is Probably Not the Remedy You Are Looking For » de Lilian Edwards et Michael Veale, Duke Law & Technology Review (2017) pour un argument sur les défis de la création de recours vraiment efficaces.
  24. « [Parce que] le taux d’imposition effectif sur les investissements en capital humain – sous la forme d’impôts sur le revenu du travail – dépasse largement le taux d’imposition sur les investissements en capital… les entreprises [ont] une incitation à remplacer les travailleurs par des machines subventionnées par l’impôt lorsque c’est possible. » MIT Task Force on the Work of the Future supra note 10.
  25. Michael Mankins, Karen Harris et David Harding, « Strategy in the Age of Superabundant Capital », Harvard Business Review (2017).