L’IA sur le lieu de travail deviendra très ennuyeuse avant de changer la vie


  • FrançaisFrançais


  • Cet article fait partie de notre série qui explore les métier de l’intelligence artificielle.

    Les technologies numériques, et à leur pointe l’intelligence artificielle, déclenchent des changements fondamentaux dans la société, la politique, l’éducation, l’économie et d’autres aspects fondamentaux de la vie. Ces changements offrent des opportunités de croissance sans précédent dans différents secteurs de l’économie. Mais en même temps, ils impliquent des défis que les organisations doivent surmonter avant de pouvoir exploiter pleinement leur potentiel.

    Lors d’une récente conférence lors d’une conférence en ligne organisée par Stanford Human-Centered Artificial Intelligence (HAI), le professeur de Stanford Erik Brynjolfsson a discuté de certaines de ces opportunités et défis.

    Brynjolfsson, qui dirige le Digital Economy Lab de Stanford, estime qu’au cours de la prochaine décennie, l’utilisation de intelligence artificielle sera beaucoup plus répandu qu’il ne l’est aujourd’hui. Mais son adoption sera également confrontée à une période d’accalmie, également connue sous le nom de courbe en J.

    « Il y a un écart croissant entre ce que la technologie est capable de faire et ce qu’elle fait déjà par rapport à la façon dont nous réagissons à cela », déclare Brynjolfsson. “Et c’est là que résident bon nombre des plus grands défis et problèmes de notre société et certaines de nos plus grandes opportunités.”

    Apprentissage automatique et productivité accrue

    Selon Brynjolfsson, la prochaine décennie verra une productivité nettement plus élevée grâce à une vague de technologies puissantes, en particulier apprentissage automatique— qui se retrouvent dans chaque appareil informatique et chaque application.

    Progrès en vision par ordinateur ont été formidables, en particulier dans des domaines tels que la reconnaissance d’images et l’imagerie médicale. Parler aux téléphones, montres et haut-parleurs intelligents est devenue monnaie courante grâce aux progrès du traitement du langage naturel et de la reconnaissance vocale. Recommandation de produits, emplacement d’annoncesouscription d’assurance, approbation de prêt et de nombreuses autres applications ont énormément bénéficié des progrès de l’apprentissage automatique.

    Dans de nombreux domaines, l’apprentissage automatique réduit les coûts et accélère la production. Par exemple, l’application de grands modèles de langage en programmation peut aider les développeurs de logiciels à devenir beaucoup plus productifs et à en faire plus en moins de temps.

    Dans d’autres domaines, l’apprentissage automatique peut aider à créer des applications qui n’existaient pas auparavant. Par exemple, les modèles d’apprentissage profond génératif créent de nouvelles applications pour arts, musique et autres travaux créatifs. Dans des domaines tels que les achats en ligne, les progrès de l’apprentissage automatique peuvent créer changements majeurs dans les modèles économiquescomme passer de “achats puis expédition” à “expédition puis achats”.

    Les blocages et l’urgence causés par la pandémie de covid-19 ont accéléré l’adoption de ces technologies dans différents secteurs, notamment les outils de travail à distance, l’automatisation des processus robotiques, la recherche sur les médicaments et l’automatisation des usines.

    “La pandémie a été horrible à bien des égards, mais une autre chose qu’elle a faite est d’accélérer la numérisation de l’économie, comprimant en environ 20 semaines ce qui aurait pris peut-être 20 ans de numérisation”, déclare Brynjolfsson. « Nous avons tous investi dans des technologies qui nous permettent de nous adapter à un monde plus numérique. Nous n’allons pas rester aussi éloignés que nous le sommes maintenant, mais nous n’allons pas non plus revenir en arrière. Et cette numérisation accrue des processus et des compétences de l’entreprise comprime le délai dont nous disposons pour adopter ces nouvelles méthodes de travail et, en fin de compte, augmenter la productivité. »

    La courbe en J

    bâtiment d'usine moderne et réseau de communication sans fil

    Le potentiel de productivité des technologies d’apprentissage automatique comporte une mise en garde importante.

    « Historiquement, lorsque ces nouvelles technologies deviennent disponibles, elles ne se traduisent pas immédiatement par une croissance de la productivité. Souvent, il y a une période où la productivité décline, où il y a une accalmie », dit Brynjolfsson. “Et la raison pour laquelle il y a cette accalmie, c’est que vous devez réinventer vos organisations, vous devez développer de nouveaux processus métier.”

    Brynjolfsson appelle cela la «courbe en J de la productivité» et l’a documentée dans un papier publié dans l’American Economic Journal : Macroéconomie. Fondamentalement, le grand potentiel causé par les nouvelles technologies à usage général comme la machine à vapeur, l’électricité et, plus récemment, l’apprentissage automatique nécessite des changements fondamentaux dans les processus et les flux de travail, la co-invention de nouveaux produits et modèles commerciaux et l’investissement dans le capital humain.

    Ces investissements et changements prennent souvent plusieurs années, et pendant cette période, ils ne donnent pas de résultats tangibles. Au cours de cette phase, les entreprises créent des «actifs incorporels», selon Brynjolfsson. Par exemple, ils pourraient former et recycler leur main-d’œuvre pour utiliser ces nouvelles technologies. Ils pourraient repenser leurs usines ou les instrumenter avec de nouvelles technologies de capteurs pour tirer parti des modèles d’apprentissage automatique. Ils peuvent avoir besoin de réorganiser leur infrastructure de données et de créer des lacs de données sur lesquels ils peuvent former et exécuter des modèles ML.

    Ces efforts peuvent coûter des millions de dollars (ou des milliards dans le cas des grandes entreprises) et n’apporter aucun changement à la production de l’entreprise à court terme. A première vue, il semble que les coûts augmentent sans aucun retour sur investissement. Lorsque ces changements atteignent leur point tournant, ils se traduisent par une augmentation soudaine de la productivité.

    Courbe en J AI

    Courbe en J AI