Une étude révèle les limites économiques de l’automatisation des tâches

Comme beaucoup d’entre nous, vous pourriez vous retrouver à faire un signe de tête au refrain apocalyptique numérique familier qui résonne aussi bien dans les bureaux que dans les cafés : l’IA prendra mon travail !

Cette menace imminente est-elle justifiée ou simplement une manifestation de notre anxiété commune face aux progrès technologiques constants ? Une nouvelle étude du MIT CSAIL, du MIT Sloan, du Productivity Institute et de l’Institute for Business Value d’IBM devrait remettre en question nos convictions de longue date.

Leurs recherches examinent de manière critique la faisabilité économique de l’utilisation de l’IA pour automatiser les tâches sur le lieu de travail, avec un accent particulier sur la vision par ordinateur.

Leurs résultats montrent qu’actuellement, seulement 23 % environ des salaires payés pour des tâches impliquant la vision sont économiquement viables pour l’automatisation de l’IA. En d’autres termes, il n’est économiquement raisonnable de remplacer le travail humain par l’IA que dans environ un quart des emplois où la vision est un élément clé du travail.

« Cela indique une intégration plus progressive de l’IA dans divers secteurs, contrastant avec le déplacement rapide d’emplois dû à l’IA, souvent hypothétiquement », déclare Neil Thompson, chercheur principal au MIT CSAIL et à l’Initiative sur l’économie numérique. « Nous nous sommes concentrés sur le domaine de la vision par ordinateur, un domaine dans lequel la modélisation des coûts a connu des progrès significatifs. »

L’étude s’écarte de l’approche générale conventionnelle de l’impact potentiel de l’IA. Au lieu de cela, il propose un examen minutieux de la faisabilité de l’IA en matière d’automatisation de tâches spécifiques. Ce qui distingue cette recherche, c’est son modèle analytique tripartite. Le cadre évalue non seulement les exigences de performances techniques des systèmes d’IA, mais approfondit également les caractéristiques d’un système d’IA capable d’atteindre ces performances, ainsi que le choix économique de construire et de déployer un tel système.

De nombreuses années d’expérience dans le domaine de la vision par ordinateur fournissent des données abondantes pour évaluer les performances et la viabilité économique. En revanche, les données relatives aux nouveaux grands modèles de langage sont encore en développement. Heureusement, l’expérience avec les modèles de vision par ordinateur donne un aperçu de ce que l’avenir pourrait nous réserver avec la diffusion et l’adoption de modèles linguistiques. Selon les chercheurs, les coûts de développement, de déploiement et d’exploitation pourraient diminuer et l’industrie technologique pourrait se transformer pour fournir des solutions d’IA en tant que service, éliminant ainsi le besoin d’investissements importants.

Les chercheurs ont examiné les conséquences des réductions potentielles des coûts des systèmes d’IA et la manière dont ces changements pourraient influencer le rythme de l’automatisation. Par exemple, si les coûts de mise en œuvre de l’IA sur les lieux de travail diminuaient considérablement, cela pourrait accélérer le rythme d’adoption de l’IA dans divers secteurs, ce qui pourrait entraîner des changements plus rapides sur le marché du travail. À l’inverse, si les besoins informatiques augmentent, si les données deviennent plus difficiles à trouver et si les travailleurs qualifiés se font rares, des coûts plus élevés pourraient ralentir cette transition, laissant ainsi plus de temps aux travailleurs et aux industries pour s’adapter.

Autre aspect critique : les plateformes d’IA-as-Service. Les scientifiques ont montré comment l’évolutivité et une application plus large pourraient potentiellement changer le paysage de l’automatisation des tâches, en déplaçant l’attention du déploiement individuel au niveau de l’entreprise vers une approche plus étendue, basée sur les services. « Les implications de ce changement sont profondes : il pourrait démocratiser l’accès aux technologies d’IA, permettant ainsi aux petites entreprises et organisations de bénéficier de l’IA sans avoir besoin de ressources internes importantes. De plus, cela pourrait conduire à l’émergence de nouveaux modèles commerciaux centrés sur Services d’IA », déclare Thompson.

« Lorsque l’industrie des semi-conducteurs a créé un tout nouveau modèle commercial il y a 20 ans avec la séparation de la conception et de la fabrication avec l’externalisation de la production, les sociétés de semi-conducteurs sans usine sont devenues la norme », déclare Martin Fleming, ancien économiste en chef et directeur des analyses d’IBM et aujourd’hui membre de l’IBM. Le Productivity Institute, basé au Royaume-Uni, « Dans les années à venir, ses éventuels logiciels, services cloud et sociétés de conseil créeront un nouveau modèle commercial avec une classe d’entreprises spécialisées dans l’IA en tant que service à grande échelle. »

Les implications de l’étude s’étendent au-delà des considérations économiques immédiates et touchent des impacts sociétaux plus larges tels que le recyclage de la main-d’œuvre et l’élaboration de politiques. Il ouvre la voie à des recherches plus approfondies sur l’évolutivité, la rentabilité et la capacité de l’IA à créer de nouvelles catégories d’emplois. À mesure que certains emplois sont automatisés, par exemple, il y aura un besoin croissant de rôles axés sur la gestion, la maintenance et l’amélioration des systèmes d’IA, ainsi que de rôles dans des domaines où les compétences humaines sont irremplaçables par l’IA.

En outre, dans la mesure où la réduction des coûts de l’IA, les nouveaux services d’IA, ou les deux, réussissent à contribuer à une meilleure croissance de la productivité au niveau macroéconomique, la croissance de l’emploi et des revenus s’accélérera et le niveau de vie s’améliorera. « De vastes avantages économiques ne se concrétiseront que lorsqu’une transformation fondamentale se produira dans la manière dont les affaires sont menées et dans la manière dont les travailleurs travaillent », déclare Fleming.

De nouveaux modèles économiques commencent à émerger. Par exemple, les petits bijoutiers bénéficient d’un outil de classification des diamants construit par NavTech dans lequel une image fournie par un bijoutier est notée pour établir instantanément la qualité sans la disponibilité d’un bijoutier expérimenté.

Pour les véhicules autonomes, Nvidia a construit une plate-forme utilisant le calcul haute performance, l’imagerie et l’IA permettant une amélioration et un déploiement continus via des mises à jour en direct. Les constructeurs automobiles individuels n’ont plus besoin de créer des fonctionnalités dupliquées telles que des technologies de caméra stéréo et de reconnaissance d’itinéraire.

« Alors que l’IA continue de progresser et de remodeler les industries, nous espérons que les résultats de cette étude constitueront une référence cruciale, guidant les explorations futures et l’élaboration de politiques à l’intersection en constante évolution de la technologie, de l’économie et du marché du travail pour nous aider à naviguer dans le futur. les défis et les opportunités présentés par l’intégration continue de l’IA sur le lieu de travail », déclare Thompson.

« Beaucoup de choses ont été écrites sur l’impact futur de l’IA sur le marché du travail, principalement à l’aide de mesures d’exposition. Cependant, ces estimations reposent souvent sur l’hypothèse que si un travail peut être automatisé, il le sera », explique Antonin Bergeaud, professeur agrégé. d’économie à HEC Paris.

« La recherche de Svanberg et de ses co-auteurs adopte une nouvelle perspective en estimant méticuleusement les coûts de mise en œuvre de ces technologies, de l’installation à la maintenance. Elle révèle que même un système d’IA qui est « seulement » aussi bon qu’un humain serait souvent d’un coût prohibitif. adopter, par rapport aux coûts de main-d’œuvre actuels aux États-Unis

« La conclusion est frappante : une part beaucoup plus petite du marché du travail est menacée d’automatisation que ne le suggèrent les estimations directes basées sur l’exposition. Ce résultat important appelle une évaluation plus systématique de la faisabilité de l’adoption d’une nouvelle technologie pour une industrie, qui directement est lié au nouveau paradoxe de Solow, dans lequel les entreprises peuvent ne pas réussir à adopter une technologie surperformante si les barrières sont trop élevées. »