Impact de l’IA sur les métiers de demain: un modèle pour comprendre, prévoir et agir
Face à la cacophonie des prophéties relatives à l’influence de l’intelligence artificielle sur le futur des métiers, entre techno-optimisme béat et catastrophisme irrationnel, il est nécessaire de se doter d’outils intellectuels concrets et opératoires pour penser la transition et anticiper ses conséquences. Dans cet article, nous proposons un modèle en 10 paramètres permettant de déterminer le degré optimal de collaboration entre un humain et un système d’IA sur un ensemble de tâches, et donc sur une profession donnée: le modèle CAPRA.
Dans la perspective de comparer les performances professionnelles respectives de l’humain et de l’IA, il est nécessaire de comprendre qu’ils n’agissent jamais seuls. Au contraire, leurs interactions se déclinent selon différentes modalités (figure 1), qui font de l’humain un opérateur «au service de l’IA» lorsque cette dernière est quasi-autonome, ou un professionnel «augmenté par l’IA» lorsqu’il conserve sa pleine compétence.
La question-clé, pour l’employeur, consiste alors à comprendre quelle configuration est la meilleure pour une tâche ou un métier donné, de manière à orienter le recrutement vers le bon niveau de qualification (ou à envisager la meilleure formation continue pour une personne déjà en poste), afin d’en obtenir la performance maximale.
Au-delà de la performance
Toutefois, la décision d’engager un collaborateur sur une profession caractérisée par une série de tâches prescrites ou potentielles ne saurait se limiter à de simples critères de performance. Ne serait-ce que parce que si un employé a un coût, l’achat, la configuration, la maintenance et le remplacement à terme d’un système d’IA en ont un également. Et parce qu’un employé qui mettrait son organisation en danger par une utilisation aventureuse de l’IA pourrait lui coûter très cher également. Il est dès lors nécessaire de tenter d’identifier l’ensemble des critères susceptibles de permettre à cet employeur de définir, pour chacune des tâches envisagées (voire pour la profession dans sa globalité), le niveau d’interaction optimal entre l’humain et l’intelligence artificielle.
CAPRA: 10 critères pour évaluer la relation humain-IA optimale
Pour positionner le degré d’interaction humain-IA sur une tâche donnée et, partant, savoir s’il est nécessaire d’engager un professionnel outillé par l’IA ou d’acquérir un système d’IA opéré par un ouvrier qualifié, une première catégorie du modèle est bien sûr liée aux performances comparées de l’un et de l’autre. Celle-ci peut se décliner selon deux sous-catégories: le rapport des compétences mais aussi celui des productivités, une fois les personnes et les outils engagés et mis en œuvre (capacités productives de l’un ou de l’autre ramenées aux coûts salariaux et/ou de maintenance). La 2e catégorie du modèle, déjà évoquée plus haut, est celle des coûts comparés, déclinée en fonction des coûts directs (coûts de recrutement et de formation / coûts d’investissement, de maintenance et de remplacement de l’IA), mais aussi des coûts engendrés par les besoins d’adaptation de l’activité à la conjoncture de l’organisation concernée. Trois autres catégories, chacune déclinée selon deux sous-catégories, doivent encore être ajoutées: celle des risques, celle de l’authenticité et celle de l’acceptabilité. L’ensemble des 10 critères ainsi définis est décrit à la figure 2.
Applications pratiques
L’intérêt de l’analyse réside dans la possibilité, une fois que plusieurs tâches spécifiques d’une profession ont été jaugées à l’aune de chacun de ces 10 critères, de la positionner sur un spider diagram gradué de 0 à 6 (en référence aux niveaux décrits dans la figure 1) tel que représenté sur la figure 3. Pour évaluer le risque de déplacement / remplacement d’une profession donnée, il suffit de lister l’ensemble de ses actions emblématiques (par exemple les compétences du référentiel métier) et de les positionner dans le diagramme. Dès lors, il sera possible de prédire son degré global de sensibilité à l’IA, c’est-à-dire le risque que ses professionnels, bien qu’outillés, soient remplacés par des IA opérées. Dans la figure 3, le décagone rouge illustre ainsi la surface d’exposition à l’IA de la profession, représentée ici fictivement par 3 tâches arbitraires. En effet, que l’un seul des critères soit évalué au niveau 2 suffit à ce qu’elle soit protégée à ce même niveau puisque, au moins pour une de ses tâches, la pénétration de l’IA ne pourra dépasser le niveau 2. Par exemple, que 8 critères sur 10 d’une tâche d’enseignement soient supérieurs au point médian n’implique pas que les enseignants aillent être remplacés par des robots, tant l’importance de la présence d’un enseignant dans une classe parmi les élèves est grande (critère 4 d’authenticité) et tant l’acceptabilité sociétale (critère 5A) d’une classe dirigée par un robot est faible. Mais que le curseur relatif à la tâche orange passe de 2 à 3 pour le critère 5A, et c’est toute la profession qui se retrouve exposée au niveau 3.
Autre exemple pour illustrer ce point: la composition musicale réalisée pour des spots publicitaires. Clairement condamnée, tant son positionnement sur ce diagramme conduit à un décagone large, elle souffre une seule exception: les publicités pour des marques de luxe qui, pour des raisons que l’on comprend, tendent à préférer ne pas être associées à des machines. Préférant la création à la production, l’authenticité du musicien à l’artificialité de la machine, il ne suffit que d’un seul critère de bas niveau (le besoin d’authenticité) pour finalement sauver la profession des compositeurs de musiques de publicités.
Au-delà de sa dimension explicative, le modèle CAPRA est ainsi susceptible de servir de guide et de grille d’analyse aux employeurs, services RH, associations professionnelles, chambres syndicales et patronales dans la définition de leurs politiques de recrutement et de développement professionnel, mais également aux concepteurs de programmes de formations initiales et continues dans la définition de leurs référentiels de compétences. De quoi agir plus efficacement que sur la base des chiffres inconsistants annonçant des taux de «remplacement» extravagants des métiers par l’IA à tel ou tel horizon.
Au-delà de la question du «déplacement / remplacement»
Mais il est également possible que, face à une tâche clairement délégable à l’IA, un employeur décide de reconfigurer la profession en redistribuant ses tâches parmi plusieurs collaborateurs ou en incitant le titulaire à se transformer, au moins sur cette tâche, en opérateur d’IA… avec les risques de perte de sens que l’on imagine.
Cette remarque nous incite à penser l’impact de l’IA sur les professions non seulement du point de vue du «déplacement» d’un curseur sur un continuum de relations IA-humain (avec à la clé le «remplacement» d’experts par des opérateurs, si ce n’est d’humains par des machines), mais également en termes de «péjoration» de la qualité du travail des collaborateurs dont les tâches sont affectées par l’IA. Ou dit autrement: en termes de «déclassement», dont l’impact n’est probablement pas moins important que celui du «remplacement» des métiers eux-mêmes. La question qui se pose n’est donc peut-être pas tant celle des «métiers du futur» que celle du «futur des métiers». Un thème que nous développons dans nos conférences, cours et formations de formateurs relatives à l’impact de l’IA sur les métiers.
L’actualité IT en Suisse et à l’international, avec un focus sur la Suisse romande, directement dans votre boîte mail > Inscrivez-vous à la newsletter d’ICTjournal, envoyée du lundi au vendredi!
