L’IA pourrait nous faire plus de travail, au lieu de nous simplifier la vie, selon un chercheur

Il y a une perception commune que l’intelligence artificielle (IA) aidera à rationaliser notre travail. On craint même que cela ne supprime complètement le besoin de certains emplois.

Mais dans une étude des laboratoires scientifiques que j’ai menés avec trois collègues de l’Université de Manchester, l’introduction de processus automatisés visant à simplifier le travail – et à libérer du temps – peut également rendre ce travail plus complexe, générant de nouvelles tâches que de nombreux travailleurs pourraient percevoir comme banales.

Dans l’étude publiée dans Politique de recherchenous avons examiné le travail des scientifiques dans un domaine appelé la biologie de synthèse, ou synbio en abrégé. Synbio s’intéresse à la refonte des organismes pour qu’ils aient de nouvelles capacités. Il est impliqué dans la culture de la viande en laboratoire, dans de nouvelles façons de produire des engrais et dans la découverte de nouveaux médicaments.

Les expériences Synbio s’appuient sur des plateformes robotiques avancées pour déplacer de manière répétitive un grand nombre d’échantillons. Ils utilisent également l’apprentissage automatique pour analyser les résultats d’expériences à grande échelle.

Ceux-ci, à leur tour, génèrent de grandes quantités de données numériques. Ce processus est connu sous le nom de « numérisation », où les technologies numériques sont utilisées pour transformer les méthodes et les méthodes de travail traditionnelles.

Certains des principaux objectifs de l’automatisation et de la numérisation des processus scientifiques sont d’intensifier la science qui peut être réalisée tout en permettant aux chercheurs de gagner du temps pour se concentrer sur ce qu’ils considéreraient comme un travail plus « précieux ».

Résultat paradoxal

Cependant, dans notre étude, les scientifiques ne sont pas libérés des tâches répétitives, manuelles ou ennuyeuses comme on pourrait s’y attendre. Au lieu de cela, l’utilisation de plates-formes robotiques a amplifié et diversifié les types de tâches que les chercheurs devaient effectuer. Il y a plusieurs raisons à cela.

Parmi eux se trouve le fait que le nombre d’hypothèses (le terme scientifique désignant une explication vérifiable d’un phénomène observé) et d’expériences à réaliser a augmenté. Avec les méthodes automatisées, les possibilités sont amplifiées.

Les scientifiques ont déclaré que cela leur permettait d’évaluer un plus grand nombre d’hypothèses, ainsi que le nombre de façons dont les scientifiques pouvaient apporter des modifications subtiles à la configuration expérimentale. Cela a eu pour effet d’augmenter le volume de données à vérifier, normaliser et partager.

De plus, les robots devaient être «formés» à la réalisation d’expériences auparavant effectuées manuellement. Les humains aussi avaient besoin de développer de nouvelles compétences pour préparer, réparer et superviser les robots. Cela a été fait pour s’assurer qu’il n’y avait pas d’erreurs dans le processus scientifique.

Le travail scientifique est souvent jugé sur les résultats tels que les publications évaluées par des pairs et les subventions. Cependant, le temps nécessaire pour nettoyer, dépanner et superviser les systèmes automatisés entre en concurrence avec les tâches traditionnellement récompensées en science. Ces tâches moins valorisées peuvent également être largement invisibles, en particulier parce que les managers sont ceux qui ne seraient pas conscients du travail banal car ils ne passent pas autant de temps au laboratoire.

Les scientifiques synbio exerçant ces responsabilités n’étaient pas mieux rémunérés ni plus autonomes que leurs managers. Ils ont également évalué leur propre charge de travail comme étant plus élevée que celles qui se trouvaient au-dessus d’eux dans la hiérarchie des emplois.

Des leçons plus larges

Il est possible que ces leçons s’appliquent également à d’autres domaines de travail. ChatGPT est un Chatbot alimenté par l’IA qui « apprend » à partir des informations disponibles sur le web. Lorsqu’il est invité par des questions d’utilisateurs en ligne, le chatbot propose des réponses qui semblent bien conçues et convaincantes.

Selon le magazine Time, afin que ChatGPT évite de renvoyer des réponses racistes, sexistes ou offensantes d’une autre manière, travailleurs au Kenya ont été embauchés pour filtrer le contenu toxique délivré par le bot.

De nombreuses pratiques de travail souvent invisibles sont nécessaires pour le développement et la maintenance des infrastructures numériques. Ce phénomène pourrait être décrit comme un « paradoxe de la numérisation ». Cela remet en question l’hypothèse selon laquelle toute personne impliquée ou affectée par la numérisation devient plus productive ou a plus de temps libre lorsque certaines parties de son flux de travail sont automatisées.

Les inquiétudes concernant une baisse de la productivité sont une motivation clé derrière les efforts organisationnels et politiques pour automatiser et numériser le travail quotidien. Mais il ne faut pas prendre pour argent comptant les promesses de gains de productivité.

Au lieu de cela, nous devrions remettre en question la façon dont nous mesurons la productivité en tenant compte des types de tâches invisibles que les humains peuvent accomplir, au-delà du travail plus visible qui est généralement récompensé.

Nous devons également réfléchir à la façon de concevoir et de gérer ces processus afin que la technologie puisse ajouter plus positivement aux capacités humaines.