L'IA dite "générative" attire l'attention des économistes, des organismes indépendants et des sociétés de conseil, au point que les études affluent et convergent vers une conclusion capitale : suivant la nature des tâches, cet outil apporte une amélioration significative de la productivité. Notre article adopte un ton critique en scrutant l'une des dimensions de l'intelligence artificielle qui a connu l'adoption la plus rapide de tous les temps. Malgré son effet marqué sur l'intégration technologique dans le monde professionnel, nous examinons attentivement sa véritable portée pour les ressources humaines et vous donnons les clés pour évaluer son intérêt suivant votre contexte précis.
Analyse de l'amélioration de la productivité grâce à l'IA Générative
Comme moi, sans doute, vous doutez de l’ampleur d’un phénomène amplifié par une presse souvent clivante, rarement objective. Je tiens ici à rappeler que que les études se trompent parfois et souvent dans le sens de minimiser l’impact d’une tendance. Nous rappelons ici le cas de McKinsey qui avait estimé que le téléphone portable serait une niche (lien ici), ou encore le grand Paul Krugman au sujet d’internet “Sa croissance va se réduire drastiquement. D’ici à 2005 et quelques, il apparaîtra clairement que l’impact de l’Internet sur l’économie n’aura pas été plus important que celui du fax”.
En quoi le modèle GPT renforce t-il la productivité ?
7 principaux atouts du GPT expliquent son impact positif sur la productivité, depuis la génération de contenu de qualité jusqu'à sa faculté de personnaliser le service apporté au client. Examinons ces sources d'accroissement :
- L’assistance à la création de contenu : Le GPT génère un contenu de qualité, accélérant la communication tout en maintenant la pertinence.
- L’optimisation des processus de recherche : Le GPT simplifie la recherche d'informations, accélérant la prise de décision grâce à une meilleure accessibilité aux données pertinentes.
- Le soutien à la créativité et à l'innovation : Le GPT stimule l'innovation en générant des idées originales et en repoussant les limites traditionnelles.
- L’amélioration de la prise de décision : Le GPT fournit des informations pertinentes pour des décisions éclairées, anticipant les résultats potentiels des options envisagées.
- L’automatisation des tâches répétitives : Le GPT accélère les tâches routinières, libérant du temps pour des activités plus complexes.
- Le traitement rapide de l'information : Le GPT analyse rapidement de grandes quantités de données, facilitant des décisions plus rapides et éclairées.
- La personnalisation et automatisation du service client : Le GPT fournit des réponses précises pour un service client plus efficace, permettant aux agents de se concentrer sur les problèmes complexes.
Que penser des études sur l’apport de l'IA Générative pour la productivité ?
Pour répondre à cette question nous détaillons plus particulièrement 2 études, celle du National Bureau of Economic Research et celle de Goldman Sachs:
L’étude du National Bureau of Economic Research (US)
Le NBER affirme que l’utilisation du Generative Pre-Trained Transformer peut apporter un gain de productivité de 14% sur une population, sa base d’exploration est celle d’une population dédiée à l’assistance à la clientèle. Ce résultat s’explique par la capacité du GPT à fournir des réponses précises et cohérentes aux questions peu complexes des clients, dès lors qu’il s’agit d’interactions simples. Cette efficience supplémentaire profite plus particulièrement aux travailleurs moins qualifiés et réduit le recours aux superviseurs.
Les craintes actuelles sur la disparition de métiers sont compréhensibles mais elles demandent un regard différent sur les circonstances :
Il s’agit de distinguer la notion de tâches ce celle du métier.
Si l’IA produit une automatisation de certaines tâches, elle ne contribue pas à effacer les métiers. Suivant la nature des tâches au sein d’un métier, plusieurs scénarios verront donc le jour : soit le métier est réellement menacé, soit il est impacté dans le sens d’une complémentarité ou, enfin, il demeure tout simplement protégé.
L’étude de Goldman Sachs :”The Potentially Large Effects of Artificial Intelligence on Economic Growth”
Pour comprendre l’envergure du phénomène et ses limites nous avons évalué l’analyse économique globale proposée par Goldman Sachs, elle offre une dimension internationale puisqu’elle recouvre à la fois des données issues des Etats-Unis et de l’Europe.
Quelles sont les conclusions de cette analyse sur l’impact de la Generative AI sur la productivité ?
- Environ 300 millions d'emplois pourraient être impactés par la dernière vague d'IA. Aux États-Unis et en Europe, près des deux tiers des emplois actuels sont exposés à une automatisation IA partielle.
- La majorité de ces professions ont une part significative de tâches remplaçables (25-50%). Bien que l'impact global de l'IA soit notable, la plupart des emplois et industries sont partiellement exposés à l'automatisation, favorisant la complémentarité plutôt que le remplacement.
- En conséquence, environ 7 % des emplois actuels aux États-Unis pourraient être remplacés par l'IA, 63 % complétés et 30 % non affectés.
État des lieux de la Generative AI dans l’entreprise
Un besoin de clarification des différentes terminologies d'IA
Le chiffre de 36% de taux d’adoption de l’IA dans l’entreprise a été donné par Michael Page en 2020, évaluation elle-même basée sur une étude d’IBM. Ceci laisse songeur, pourquoi ?
Tout simplement parce que l’intelligence artificielle est souvent mal comprise et qu’elle recouvre des domaines très différents. Voici un glossaire des différents termes utilisés aujourd’hui de manière à mieux identifier ce qui a lieu aujourd’hui :
- IA : Sous-catégorie informatique focalisée sur la création de systèmes capables d’effectuer des tâches qui nécessitent normalement l’intelligence humaine.
- Machine Learning ou Apprentissage Automatique : Sous-division de l’IA qui se concentre sur la recherche et le développement mécanismes apprenants à partir de l’expérience sans être explicitement programmés.
- NLP (Natual Language Processing ou Traitement du Langage Naturel) : C’est un segment du Machine Learning qui se concentre sur l’interaction entre les ordinateurs et le langage humain.
- LLM (Large Language Model) : Des modèles de calcul statistique développés pour anticiper le prochain mot ou la phrase suivante en se basant sur l'analyse préalable d'énormes quantités de données textuelles.
- GPT (Generative Pretained Transformer) : Modélisation développée par OpenAI, dans laquelle Microsoft a investit 10 milliards. Elle a été pré-entraînée sur un corpus de dizaine de milliards de mots provenant d’une grande variété de sources. Elle génère du texte en réponses à des requêtes ou “prompts” qui demandent une méthodologie pour aboutir à des résultats pertinents.
Pourquoi l’IA générative accélère t-elle l'adoption de l'IA en entreprise ?
Si l’IA est souvent mal comprise, l’explosion actuelle auprès du grand public en atteignant un million d’utilisateurs en 5 jours s’explique par des facteurs transposables à l’entreprise :
- Tout d’abord la faculté d’entraînement du modèle à moindre coût.
- La disponibilité des données RH a aussi décuplé, aux corpus de textes sur lesquels la GAI repose sa puissance, s’ajoutent les données fournies par les utilisateurs. A ce sujet, lire nos recommandations pour fiabiliser vos données RH.
- L’avènement de Generative AI s’explique aussi par la facilité d’interaction avec la “machine”. Ce qui va changer et dicter l’adoption de cet outil est sa capacité à s’intégrer dans le quotidien des utilisateurs de manière invisible, intuitive, dans le “flow of work”.
La technologie IA est comme une boussole qui nous guide à travers le vaste paysage des données pour découvrir les pépites cachées de connaissances sur les talents. Alexandra Levit, Founder and CEO of Inspiration at Work.
IA Générative et automatisation des tâches : une grille de lecture de 8 critères
A entendre les analystes et influenceurs RH cette technologie libère totalement les RH d’activités centrales du talent management. Alain Goudey déclare “qu’une étude de 2022 a montré que l'utilisation de l'IA pour analyser les CV peut réduire le temps de recrutement de 75%” : quelle étude ? Sur quel échantillon de population ?
Les affirmations dithyrambiques fourmillent sur les réseaux : analyse de cvs, présélection de candidats, généralisation de descriptifs de postes, construction de référentiels, évaluation des collaborateurs, anticipation des départs. Ce sont des promesses parfois vérifiées, et quelquefois surévaluées. Alors comment évaluer que vous avez intérêt à intégrer une IA générative dans le support aux tâches de vos métiers ?
Afin d'estimer réellement ce que peut procurer l'IA générative comme recrudescence de performance basons-nous sur une méthodologie pragmatique qui prend en compte les critères d'automatisation d'une tâche.
Une méthodologie simple pour identifier si une tâche est automatisable
L’amélioration de la productivité procurée par l’IA repose sur plusieurs critères que vous pouvez vous-mêmes utiliser pour décider d’arbitrer vers une solution incorporant de l’IA ou non :
1. Le Degré de Complexité :
Il est important de comprendre la complexité inhérente de la tâche. Les tâches simples ont un potentiel d'automatisation plus élevé.
Exemple : Un neurochirurgien, bien que disposant d’avancées importantes de l’IA pour la médecin, demeure un métier protégé.
2. Le niveau d’interaction humaine nécessaire:
L'IA peut gérer des tâches qui nécessitent des interactions humaines basiques, comme répondre à des questions fréquemment posées. Cependant, pour des interactions plus complexes, nécessitant une compréhension profonde, de l'empathie ou de la prise en compte de contextes culturels ou émotionnels, les capacités actuelles de l'IA sont limitées.
Exemple : une assistance sociale ou une psychologue clinique, dont le fondement du métier repose sur leur écoute et leurs échanges, est ainsi un métier dont les taches sont peu automatisables.
3. Le niveau d’expertise nécessaire :
L’intelligence artificielle générative peut reproduire des raisonnements passés mais ne peut égaler des niveaux d’expertise poussés. Ceci s’illustre notamment par le biais d’hallucination qui conciste à produire des informations qui semblent crédibles mais qui sont en fait incorrectes ou sans fondement dans la réalité. Ce phénomène est particulièrement préoccupant dans les applications où l'exactitude et la fiabilité des informations sont cruciales.
4. La quantité de données traitées:
Plus une tâche nécessite de manipuler des grandes quantités de données plus l’IA peut permettre de faciliter sa réalisation. Par exemple, un bioinformaticien, dont les tâches reposent sur le traitement de nombreuses données à croiser, peut bénéficier d’un apport important de l’IA.
5. Les contraintes réglementaires:
Dans une certaine mesure, la connaissance approfondie des réglementations dont dispose l’IA générative peut tendre à automatiser un certain nombre de tâches. Alors que ChatGPT se basait jusqu’à fin Aout sur des données antérieures à 2022 est désormais obsolète : l’IA peut aller chercher des données en temps réel.
6. Le Risque humain :
Une limite de diffusion de l’IA demeure : celle de faire entièrement confiance à une IA pour réaliser des tâches où le risque humain d’une erreur est important. Nous prenons l’exemple du transport en règle générale.
7. Nature stratégique et créative : L’IA générative ne crée rien de réellement nouveau puisqu’elle propose la génération de contenus quelles qu’ils soient sur la base de probabilités. Les cas d’usage sont encore à leurs prémices et se diffusent petit à petit mais il sera nécessaire d’apporter de nouvelles idées pour enrichir son fonctionnement tôt ou tard.
8. La dimension physique : Devinez quel est le métier le moins automatisable du monde ?
Le métier de carreleur : il demande qualités physique, expertise, une forme de stratégie. L’IA ne peut contribuer à automatiser des tâches physiques, ceci coïncide d’ailleurs avec une appétence forte des salariés français pour une reconversion vers les métiers manuels (37% d’entre eux selon OpinionWay).
Conclusion
Pour conclure, il est important de noter que l'impact de l'IA générative sur la productivité varie en fonction du secteur d'activité, de la manière dont la technologie est implémentée et des compétences des collaborateurs pour tirer pleinement parti de ses fonctionnalités. De plus, des défis subsistent, notamment en ce qui concerne la confiance dans les résultats produits par l'IA générative et la nécessité de garantir une utilisation éthique de cette technologie.
