#Travail & #automatisation n°7 – « Qu’une technologie remplace le travail humain, ça n’a rien de nouveau ».
Ce rappel de Philippe Silberzahn1 est essentiel, pour mieux penser les évolutions et ajustements du travail dans nos organisations.
Comme il le souligne, en regardant du côté du temps long :
- Il apparait que la création d’emploi (nouvelles activités & nouveaux jobs rendus nécessaires par la technologie) a toujours été supérieure à la disparition ou au déplacement des emplois (leur transformation) sous l’effet du changement. Les derniers travaux en date (David Autor & al.2) viennent de montrer que cela a encore été vrai sur les dernières décennies aux US (1940/ 20203).
- Comme suggéré avec l’exemple du phonographe, on ne peut ignorer qu’une innovation ou une nouvelle technique ne sont jamais reçues et utilisées comme le pensaient leurs inventeurs. Dit autrement, ceux qui pensent l’#innovation ne s’interrogent que rarement sur les besoins de la personne qui travaille et qui va l’utiliser. Il y a un écart permanent entre les inventions/innovations et leur diffusion.
Quand on revient au sujet de fond, obscurci par une confusion permanente entre travail, emploi poste et tâche, la réalité est infiniment plus nuancée qu’on ne le pense. C’est d’ailleurs le constat pointé à nouveau par une étude il y a quelques jours (Daron Acemoglu4).
D. Acemoglu y souligne que seule une partie des tâches dans un job est susceptible d’être automatisée (environ 20 %). C’était d’ailleurs le constat qui a été fait pour le travail des radiologues: alors qu’on pensait leur emploi appelé à régresser sous l’effet de l’interprétation automatique des radios, on voit leurs effectifs augmenter, car seul 20% de leur travail est connecté à la lecture des radios.
Si l’on se concentre sur ces tâches automatisables, l’IA générative n’agira probablement pas sur un mode 0 ou 1. L’IA générative ne fera que contribuer pour partie à l’automatisation de ces mêmes tâches. Avec un impact global bien plus limité que certains chiffres ou déclarations ne le laissent craindre.
Enfin, tout cela ne tient pas compte de la robustesse parfois limitée de toutes ces solutions qualifiées trop rapidement de magiques (je vous renvoie au billet n°6 partagé avec vous il y a quelques semaines, L’IA générative, manche efficace ou fragile ?).
La grande question est, ou plutôt reste, celle du travail. Avec cette idée proposée par Autor en 2015 et dont je vous avais déjà parlé : le potentiel de complémentarité est toujours sous estimée, et celui de substitution surestimée5.
Publié initialement sur LinkedIn : voir le billet d’origine
- Quand les innovateurs se trompent sur l’impact de leur invention: l’exemple de l’IA et de l’emploi, Philippe Silberzhan, mai 2024 – https://philippesilberzahn.com/2024/05/27/quand-les-innovateurs-se-trompent-sur-limpact-de-leur-invention-lexemple-de-l-ia-et-de-lemploi/ ↩︎
- Présentation du travail de D. Autor : https://news.mit.edu/2024/most-work-is-new-work-us-census-data-shows-0401 ↩︎
- New Frontiers: The Origins and Content of New Work, 1940–2018, Autor & alia, août 2024 – https://academic.oup.com/qje/advance-article-abstract/doi/10.1093/qje/qjae008/7630187?redirectedFrom=fulltext&login=false ↩︎
- The Simple Macroeconomics of AI, mai 2024, D. Acemoglu – https://economics.mit.edu/sites/default/files/2024-05/The%20Simple%20Macroeconomics%20of%20AI.pdf ↩︎
- David Autor (2014), «Polanyi’s Paradox and the Shape of Employment Growth», NBER Working Paper Series, Cambridge, MA: National Bureau of Economic Research – https://www.nber.org/system/files/working_papers/w20485/w20485.pdf ↩︎ ↩︎