L’avenir du travail : Les robots prendront-ils mon travail ?

Dans les années 1990, lorsque les banques américaines ont commencé à installer des guichets automatiques à grande échelle, les caissiers humains qui travaillaient dans ces banques semblaient être confrontés à une obsolescence rapide. Si les machines pouvaient distribuer de l’argent et accepter des dépôts par elles-mêmes, 24 heures sur 24, qui avait besoin de personnes ?

Les banques, en fait, en avaient besoin. Il est vrai que les guichets automatiques ont permis de gérer des succursales bancaires avec beaucoup moins d’employés : 13 en moyenne, au lieu de 20. Mais les économies réalisées n’ont fait qu’encourager les banques mères à ouvrir tant de nouvelles succursales que l’emploi total des guichetiers a en fait augmenté.

On peut trouver des histoires similaires dans des domaines comme la finance, les soins de santé, l’éducation et le droit, dit James Bessen, l’économiste de l’Université de Boston qui a attiré l’attention de ses collègues sur l’histoire des guichets automatiques en 2015. « L’argument n’est pas que l’automatisation augmente toujours les emplois », dit-il, « mais qu’elle peut le faire et le fait souvent. »

C’est une leçon à retenir quand on écoute les prédictions de plus en plus tendues sur l’avenir du travail à l’ère des robots et de l’intelligence artificielle. Pensez aux voitures sans conducteur, à la synthèse vocale humaine convaincante ou aux robots effrayants et réalistes qui peuvent courir, sauter et ouvrir des portes tout seuls : Étant donné le rythme effréné des progrès dans ces applications, combien de temps restera-t-il quelque chose à faire pour les gens ?

Cette question a reçu sa formulation la plus apocalyptique par des personnalités telles que le fondateur de Tesla et SpaceX, Elon Musk, et le regretté physicien Stephen Hawking. Tous deux ont publiquement averti que les machines finiront par dépasser les capacités humaines, échapper à notre contrôle et peut-être même déclencher l’effondrement de la civilisation humaine. Mais même des observateurs moins dramatiques sont inquiets. En 2014, lorsque le Pew Research Center a interrogé près de 1 900 experts en technologie sur l’avenir du travail, près de la moitié d’entre eux étaient convaincus que les machines artificiellement intelligentes entraîneraient bientôt une accélération des pertes d’emplois – près de 50 % au début des années 2030, selon une analyse largement citée. Le résultat inévitable, craignent-ils, serait un chômage de masse et une forte augmentation des niveaux déjà inquiétants d’inégalité des revenus. Et cela pourrait effectivement conduire à un effondrement de l’ordre social.

Ou peut-être pas. « Il est toujours plus facile d’imaginer les emplois qui existent aujourd’hui et qui pourraient être détruits que d’imaginer les emplois qui n’existent pas aujourd’hui et qui pourraient être créés », déclare Jed Kolko, économiste en chef du site d’offres d’emploi en ligne Indeed. De nombreux experts dans ce domaine, si ce n’est la plupart, font preuve d’un optimisme prudent en matière d’emploi, ne serait-ce que parce que l’exemple de l’ATM et bien d’autres comme celui-ci montrent à quel point l’impact de l’automatisation peut être contre-intuitif. Selon M. Bessen, l’intelligence des machines est encore très loin de correspondre à l’ensemble des capacités humaines. Même si vous tenez compte des développements en cours, dit-il, « nous avons peu de raisons de nous inquiéter d’un chômage de masse dans les 10 ou 20 prochaines années. »

Alors – dans quelle direction iront les choses ?

Il n’y a aucun moyen de le savoir avec certitude avant que l’avenir ne soit là, dit Kolko. Mais peut-être, ajoute-t-il, que ce n’est pas la bonne question : « Le débat sur l’effet global des pertes d’emplois par rapport aux gains d’emplois nous aveugle sur d’autres questions qui auront de toute façon de l’importance » – comme la façon dont les emplois pourraient changer face à l’IA et à la robotique, et comment la société gérera ce changement. Par exemple, ces nouvelles technologies seront-elles utilisées comme un moyen supplémentaire de remplacer les travailleurs humains et de réduire les coûts ? Ou seront-elles utilisées pour aider les travailleurs, en les libérant pour qu’ils puissent exercer des capacités uniquement humaines comme la résolution de problèmes et la créativité ?

« Il y a beaucoup de façons différentes possibles de configurer l’état du monde », dit Derik Pridmore, PDG d’Osaro, une entreprise basée à San Francisco qui fabrique des logiciels d’IA pour les robots industriels, « et il y a beaucoup de choix que nous devons faire. »

Automatisation et emplois : les leçons du passé

Aux États-Unis, du moins, le débat actuel sur les machines artificiellement intelligentes et les emplois ne peut s’empêcher d’être coloré par les souvenirs des quatre dernières décennies, lorsque le nombre total de travailleurs employés par les constructeurs automobiles, les aciéries et d’autres fabricants américains a entamé un long et lent déclin, passant d’un sommet de 19.Le nombre total de travailleurs employés par les constructeurs automobiles, les aciéries et d’autres fabricants américains a alors entamé un long et lent déclin, passant d’un maximum de 19,5 millions en 1979 à environ 17,3 millions en 2000, suivi d’une chute vertigineuse à un minimum de 11,5 millions à la suite de la grande récession de 2007-2009. (Le total s’est depuis légèrement redressé, pour atteindre environ 12,7 millions ; des changements largement similaires ont été observés dans d’autres pays fortement automatisés comme l’Allemagne et le Japon). Venant s’ajouter à une stagnation de la croissance des salaires depuis environ 1973, l’expérience a été traumatisante.

Vrai, dit Bessen, l’automatisation ne peut pas être la seule raison de ce déclin. « Si vous revenez aux cent années précédentes, dit-il, l’industrie s’automatisait à un rythme aussi rapide, voire plus rapide, et l’emploi connaissait une croissance robuste. » C’est ainsi que nous sommes arrivés à des millions de travailleurs d’usine en premier lieu. Au lieu de cela, les économistes imputent la chute de l’emploi à une confluence de facteurs, parmi lesquels la mondialisation,le déclin des syndicats et une culture d’entreprise des années 1980 aux États-Unis qui mettait l’accent sur la réduction des effectifs, la réduction des coûts et les bénéfices trimestriels avant tout.

Mais l’automatisation était certainement l’un de ces facteurs. « Dans la poussée de réduction des coûts, nous avons collectivement pris le chemin de la moindre résistance », explique Prasad Akella, un roboticien qui est fondateur et PDG de Drishti, une start-up de Palo Alto, en Californie, qui utilise l’IA pour aider les travailleurs à améliorer leurs performances sur la chaîne de montage. « Et c’était : ‘Délocalisons-la dans le centre le moins cher, pour que les coûts de main-d’œuvre soient faibles. Et si nous ne pouvons pas le délocaliser, automatisons-le.' »

L’IA et les robots sur le lieu de travail

L’automatisation a pris de nombreuses formes, y compris des aciéries contrôlées par ordinateur qui peuvent être exploitées par une poignée d’employés seulement, et des robots industriels, des bras mécaniques qui peuvent être programmés pour déplacer un outil tel qu’un pulvérisateur de peinture ou une torche de soudage à travers une séquence de mouvements. Ces robots sont utilisés en nombre croissant depuis les années 1970. Il y a actuellement environ 2 millions de robots industriels utilisés dans le monde, principalement dans les chaînes de montage de l’automobile et de l’électronique, chacun prenant la place d’un ou plusieurs travailleurs humains.

Les distinctions entre l’automatisation, la robotique et l’IA sont certes assez floues – et le deviennent de plus en plus, maintenant que les voitures sans conducteur et d’autres robots avancés utilisent des logiciels artificiellement intelligents dans leur cerveau numérique. Mais en règle générale, les robots exécutent des tâches physiques qui nécessitaient autrefois l’intelligence humaine, tandis que les logiciels d’IA tentent d’exécuter des tâches cognitives de niveau humain, comme la compréhension du langage et la reconnaissance des images. L’automatisation est un terme générique qui englobe non seulement les deux, mais aussi les ordinateurs ordinaires et les machines non intelligentes.

La tâche de l’IA est la plus difficile. Avant environ 2010, les applications étaient limitées par un paradoxe célèbre souligné par le philosophe Michael Polanyi en 1966 : « Nous pouvons savoir plus que nous ne pouvons dire » – ce qui signifie que la plupart des compétences qui nous permettent de passer à travers la journée sont pratiquées, inconscientes et presque impossibles à articuler. Polanyi appelait ces compétences des connaissances tacites, par opposition aux connaissances explicites que l’on trouve dans les manuels scolaires.

Imaginez que vous essayez d’expliquer exactement comment vous savez qu’un motif particulier de pixels est la photographie d’un chiot, ou comment vous pouvez négocier en toute sécurité un virage à gauche contre la circulation en sens inverse. (Il semble assez facile de dire « attendez une ouverture dans le trafic » – jusqu’à ce que vous essayiez de définir une « ouverture » suffisamment bien pour qu’un ordinateur la reconnaisse, ou de définir précisément la taille de l’écart pour être en sécurité). Ce type de connaissance tacite contenait tellement de subtilités, de cas particuliers et de choses mesurées au « feeling » qu’il semblait impossible pour les programmeurs de l’extraire, et encore moins de l’encoder dans un algorithme défini avec précision.

Aujourd’hui, bien sûr, même une application pour smartphone peut reconnaître les photos de chiots (généralement), et les véhicules autonomes effectuent ces virages à gauche de façon routinière (si ce n’est pas toujours parfaitement). Ce qui a changé au cours de la dernière décennie, c’est que les développeurs d’IA peuvent désormais utiliser une puissance informatique massive sur des ensembles de données très importants, un processus connu sous le nom d' »apprentissage profond ». Cela revient essentiellement à montrer à la machine un zillion de photographies de chiots et un zillion de photographies de non chiots, puis à demander au logiciel d’IA d’ajuster un zillion de variables internes jusqu’à ce qu’il puisse identifier les photos correctement.

Bien que ce processus d’apprentissage profond ne soit pas particulièrement efficace – un enfant humain ne doit voir qu’un ou deux chiots – il a eu un effet transformateur sur les applications d’IA telles que les véhicules autonomes, la traduction automatique et tout ce qui nécessite une reconnaissance vocale ou d’images. Et c’est ce qui effraie les gens, selon Jim Guszcza, chief data scientist américain chez Deloitte Consulting à Los Angeles : « Wow – des choses qui, auparavant, nécessitaient des connaissances tacites peuvent désormais être réalisées par des ordinateurs ! ». D’où la nouvelle inquiétude concernant les pertes d’emplois massives dans des domaines comme le droit et le journalisme qui n’avaient jamais eu à s’inquiéter de l’automatisation auparavant. Et donc les nombreuses prédictions d’obsolescence rapide pour les commis de magasin, les agents de sécurité et les travailleurs de la restauration rapide, ainsi que pour les conducteurs de camions, de taxis, de limousines et de camionnettes de livraison.

Meet my colleague, the robot

Mais alors, les caissiers de banque étaient censés devenir obsolètes, eux aussi. Ce qui s’est passé au lieu de cela, dit Bessen, c’est que l’automatisation via les guichets automatiques a non seulement élargi le marché des caissiers, mais a également changé la nature du travail : Les caissiers passant moins de temps à manipuler de l’argent, ils ont passé plus de temps à parler aux clients de prêts et d’autres services bancaires. « Et comme les compétences interpersonnelles sont devenues plus importantes », explique M. Bessen, « il y a eu une légère augmentation des salaires des caissiers de banque », ainsi qu’une augmentation du nombre de postes de caissier à temps plein plutôt qu’à temps partiel. « C’est donc une image beaucoup plus riche que ce que les gens imaginent souvent », dit-il.

Des histoires similaires peuvent être trouvées dans de nombreuses autres industries. (Même à l’ère des achats en ligne et des caisses automatiques, par exemple, les chiffres de l’emploi dans le commerce de détail augmentent intelligemment). Le fait est que, même maintenant, il est très difficile de remplacer complètement les travailleurs humains.

Les aciéries sont une exception qui confirme la règle, dit Bryan Jones, PDG de JR Automation, une entreprise de Holland, Michigan, qui intègre diverses formes de matériel et de logiciels pour les clients industriels qui cherchent à s’automatiser. « Une aciérie est un environnement très difficile et désagréable », dit-il. Mais le processus lui-même – fonte, moulage, laminage, etc. – est essentiellement le même, quel que soit le type d’acier fabriqué. Les usines ont donc été comparativement faciles à automatiser, dit-il, ce qui explique pourquoi l’industrie sidérurgique a supprimé tant d’emplois.

Quand les gens sont meilleurs

« Là où il devient plus difficile d’automatiser, c’est lorsque vous avez beaucoup de variabilité et de personnalisation », dit Jones. « C’est l’une des choses que nous voyons dans l’industrie automobile en ce moment : La plupart des gens veulent quelque chose qui leur soit adapté », avec un choix personnalisé de couleurs, d’accessoires ou même de grilles avant et arrière. Chaque véhicule arrivant sur la chaîne de montage peut être un peu différent.

Il n’est pas impossible d’automatiser ce genre de flexibilité, dit Jones. Choisissez une tâche, et il y a probablement un robot de laboratoire quelque part qui l’a maîtrisée. Mais ce n’est pas la même chose que de le faire de manière rentable, à grande échelle. Dans le monde réel, comme le souligne M. Akella, la plupart des robots industriels sont encore de grosses machines aveugles qui exécutent leurs mouvements sans se soucier de qui ou de quoi se trouve sur leur chemin, et qui doivent être placées dans des cages à l’écart des personnes pour des raisons de sécurité. Avec de telles machines, dit-il, « la flexibilité exige une tonne de réoutillage et une tonne de programmation – et cela ne se fait pas du jour au lendemain. »

Contrastez cela avec les travailleurs humains, dit Akella. La reprogrammation est facile : « Il suffit d’entrer dans l’usine et de dire : « Les gars, aujourd’hui, nous faisons ceci au lieu de cela ». Et mieux encore, les gens viennent équipés de capacités que peu de bras de robot peuvent égaler, y compris le contrôle moteur fin, la coordination œil-main et un talent pour faire face à l’inattendu.

Tout cela explique pourquoi la plupart des constructeurs automobiles d’aujourd’hui n’essaient pas d’automatiser tout sur la chaîne de montage. (Quelques-uns d’entre eux ont essayé au début, dit Bessen. Mais leurs installations ont généralement fini comme l’usine de montage de General Motors à Detroit-Hamtramck, qui est rapidement devenue un cauchemar de débogage après son ouverture en 1985 : ses robots se peignaient les uns les autres aussi souvent qu’ils peignaient les Cadillac). Au lieu de cela, des entreprises comme Toyota, Mercedes-Benz et General Motors limitent les gros robots muets et clôturés à des tâches sales, dangereuses et répétitives, comme la soudure et la peinture au pistolet. Et ils postent leurs travailleurs humains dans des endroits comme la zone d’assemblage final, où ils peuvent assembler les dernières pièces tout en vérifiant l’alignement, l’ajustement, la finition et la qualité – et si le produit final est en accord avec la demande de personnalisation du client.

Pour aider ces travailleurs humains, en outre, de nombreux fabricants (et pas seulement les constructeurs automobiles) investissent massivement dans les robots collaboratifs, ou « cobots » – l’une des catégories d’automatisation industrielle qui connaît la plus forte croissance aujourd’hui.

Robots collaboratifs : Les machines travaillent avec les gens

Des robots sont maintenant disponibles auprès d’au moins une demi-douzaine de firmes. Mais ils sont tous basés sur des concepts développés par une équipe travaillant sous la direction d’Akella au milieu des années 1990, alors qu’il était ingénieur salarié chez General Motors. L’objectif était de construire des robots qui soient sûrs et qui puissent aider à effectuer des tâches stressantes ou répétitives, tout en laissant le contrôle aux travailleurs humains.

Pour avoir une idée du problème, dit Akella, imaginez que vous prenez une batterie sur un tapis roulant, que vous faites deux pas, que vous la déposez dans la voiture et que vous revenez chercher la suivante – une fois par minute, huit heures par jour. « J’ai moi-même fait ce travail, dit Akella, et je peux vous assurer que je suis rentré chez moi extrêmement endolori. » Ou imaginez que vous puissiez soulever un « cockpit » de 150 livres – le tableau de bord de la voiture, avec tous les instruments, les affichages et les équipements de climatisation qui y sont attachés – et le manœuvrer pour le mettre en place dans l’embrasure de la porte de la voiture sans rien casser.

Concevoir un robot qui pourrait aider à de telles tâches était un défi de recherche assez inédit à l’époque, dit Michael Peshkin, ingénieur mécanique à l’Université Northwestern d’Evanston, dans l’Illinois, et l’un des nombreux chercheurs extérieurs qu’Akella a inclus dans son équipe. « Il s’agissait d’accroître l’autonomie des robots, leur capacité de détection et leur aptitude à gérer la variabilité », explique-t-il. Mais jusqu’à l’avènement de ce projet, personne ne s’était trop concentré sur la capacité des robots à travailler avec des personnes.

Pour leur premier cobot, lui et son collègue de Northwestern Edward Colgate ont donc commencé par un concept très simple : un petit chariot équipé d’un ensemble de lève-personnes qui soulèverait, par exemple, le cockpit, pendant que le travailleur humain le guiderait en place. Mais le chariot n’était pas seulement passif, explique M. Peshkin : Il détectait sa position et faisait tourner ses roues pour rester à l’intérieur d’une « surface de contrainte virtuelle » – en fait, un entonnoir invisible dans l’air qui guidait le cockpit à travers la porte et le mettait en place sans la moindre égratignure. Le travailleur pouvait ensuite vérifier l’ajustement final et les fixations sans contrainte.

Un autre prototype parrainé par GM a remplacé le chariot par un bras robotique guidé par le travailleur qui pouvait soulever des composants automobiles tout en étant suspendu à un point de suspension mobile au plafond. Mais il partageait le même principe d’assistance de la machine plus le contrôle du travailleur – un principe qui s’est avéré d’une importance capitale lorsque Peshkin et ses collègues ont essayé leurs prototypes sur les ouvriers de la chaîne de montage de General Motors.

« Nous nous attendions à beaucoup de résistance », dit Peshkin. « Mais en fait, ils se sont montrés accueillants et serviables. Ils ont totalement compris l’idée de sauver leur dos des blessures. » Et tout aussi important, les travailleurs ont aimé utiliser les cobots. Ils ont aimé pouvoir se déplacer un peu plus vite ou un peu plus lentement s’ils en avaient envie. « Avec une voiture qui passe toutes les 52 secondes », dit M. Peshkin, « ce petit peu d’autonomie était vraiment important. » Et ils ont aimé faire partie du processus. « Les gens veulent que leurs compétences soient exposées », dit-il. « Ils aiment utiliser leur corps, prendre du plaisir dans leur propre mouvement. » Et les cobots leur ont donné cela, dit-il : « Vous pouviez descendre en piqué le long de la surface virtuelle, guider le cockpit et profiter du mouvement d’une manière que les machines fixes ne permettaient pas. »

L’IA et ses limites

L’entreprise actuelle d’Akella, Drishti, fait état d’un accueil tout aussi favorable à ses logiciels basés sur l’IA. Les détails sont exclusifs, dit Akella. Mais l’idée de base est d’utiliser une technologie avancée de vision par ordinateur pour fonctionner un peu comme un GPS pour la chaîne de montage, en donnant aux travailleurs des instructions et des avertissements au fur et à mesure qu’ils avancent. Imaginons qu’un ouvrier assemble un iPhone, explique-t-il, et que la caméra qui l’observe depuis le ciel estime que seules trois vis sur quatre ont été fixées : « Nous alertons l’ouvrier et lui disons : « Hé, assurez-vous de serrer également cette vis avant qu’elle ne descende dans la chaîne » »

Cela a ses aspects Big Brother, admet le directeur marketing de Drishti, David Prager. « Mais nous avons de nombreux exemples d’opérateurs sur le terrain qui deviennent très engagés et finalement très reconnaissants », dit-il. « Ils connaissent très bien le spectre de l’automatisation et de la robotique qui plane sur eux, et ils voient très vite qu’il s’agit d’un outil qui les aide à être plus efficaces, plus précis et finalement plus précieux pour l’entreprise. L’entreprise est donc plus disposée à investir dans son personnel, plutôt que de le sortir de l’équation. »

Ce thème – utiliser la technologie pour aider les gens à faire leur travail plutôt que de les remplacer – sera probablement une caractéristique des applications de l’IA pendant longtemps. Tout comme avec la robotique, il y a encore des choses importantes que l’IA ne peut pas faire.

Prenez la médecine, par exemple. L’apprentissage profond a déjà produit des logiciels capables d’interpréter les rayons X aussi bien, voire mieux, que les radiologues humains, explique Darrell West, un politologue qui étudie l’innovation à la Brookings Institution de Washington, DC. « Mais nous ne voudrons pas que le logiciel dise à quelqu’un : « Vous venez d’obtenir un diagnostic possible de cancer », dit-il. « Vous allez encore avoir besoin d’un radiologue pour vérifier l’IA, pour vous assurer que ce qu’elle a observé est réellement le cas » – puis, si les résultats sont mauvais, d’un spécialiste du cancer pour annoncer la nouvelle au patient et commencer à planifier un traitement.

De même en droit, où l’IA peut être d’une aide énorme pour trouver des précédents qui pourraient être pertinents pour une affaire – mais pas pour les interpréter, ou les utiliser pour construire un dossier au tribunal. De manière plus générale, explique M. Guszcza, l’IA basée sur l’apprentissage profond est très efficace pour identifier des caractéristiques et concentrer l’attention là où elle doit l’être. Mais elle n’est pas à la hauteur lorsqu’il s’agit de choses comme la gestion des surprises, l’intégration de nombreuses sources de connaissances diverses et l’application du bon sens – « toutes les choses pour lesquelles les humains sont très bons ».

Et ne demandez pas au logiciel de comprendre réellement ce à quoi il a affaire, dit Guszcza. Pendant la campagne électorale de 2016, pour tester l’utilité de Google Translate, il a tenté une expérience classique : Prenez un titre – « Hillary claque la porte à Bernie » – puis demandez à Google de le traduire de l’anglais au bengali et inversement. Résultat : « Barney claque la porte sur Clinton ». Un an plus tard, après que Google ait effectué une mise à niveau massive de Translate en utilisant l’apprentissage profond, Guszcza a répété l’expérience avec le résultat suivant : « Hillary Barry a ouvert la porte. »

« Je ne vois aucune preuve que nous allons parvenir à un raisonnement plein de bon sens avec l’IA actuelle », dit-il, faisant écho à un point soulevé par de nombreux chercheurs en IA eux-mêmes. En septembre 2017, par exemple, le pionnier de l’apprentissage profond Geoffrey Hinton, informaticien à l’Université de Toronto, a déclaré au site d’information Axios que le domaine a besoin d’idées fondamentalement nouvelles si les chercheurs espèrent un jour atteindre une IA de niveau humain.

L’évolution des emplois

Les limites de l’IA sont une autre raison pour laquelle des économistes comme Bessen ne la voient pas provoquer un chômage de masse de sitôt. « L’automatisation consiste presque toujours à automatiser une tâche, et non l’ensemble du travail », dit-il, faisant écho à un point soulevé par de nombreux autres. Et si chaque emploi comporte au moins quelques tâches routinières qui pourraient bénéficier de l’IA, il y a très peu d’emplois qui sont tous routiniers. En fait, dit M. Bessen, lorsqu’il a examiné systématiquement tous les emplois répertoriés dans le recensement de 1950, « il n’y avait qu’une seule profession dont on pouvait dire qu’elle était clairement automatisée : les opérateurs d’ascenseur ». Il y en avait 50 000 en 1950, et effectivement aucun aujourd’hui.

D’un autre côté, il n’est pas nécessaire d’avoir un chômage de masse pour avoir des bouleversements massifs sur le lieu de travail, dit Lee Rainie, directeur de la recherche sur l’internet et la technologie au Pew Research Center à Washington, DC. « Les experts sont loin d’être d’accord sur la question de savoir si la robotique et l’intelligence artificielle vont créer plus ou moins d’emplois, mais elles vont certainement changer les emplois. Tout le monde s’attend à ce que ce grand tri des compétences et des fonctions se poursuive à perte de vue. »

Pire, dit Rainie, « les experts les plus inquiets de notre échantillon disent que nous n’avons jamais dans l’histoire été confrontés à ce niveau de changement aussi rapidement. » Il ne s’agit pas seulement des technologies de l’information, ou de l’intelligence artificielle, ou de la robotique, dit-il. Il s’agit également des nanotechnologies, des biotechnologies, de l’impression en trois dimensions, des technologies de communication, etc. « Les changements se produisent sur tant de fronts qu’ils menacent de dépasser notre capacité d’adaptation », dit-il.

Préparation de l’avenir du travail

Si c’est le cas, l’ère de roulement constant des emplois qui en résulte pourrait forcer certains changements radicaux dans la société au sens large. Parmi les suggestions des experts de Pew et d’autres, citons un accent accru sur la formation continue et le recyclage des adultes à la recherche de nouvelles compétences, ainsi qu’un filet de sécurité sociale remanié pour aider les gens à passer d’un emploi à l’autre et d’un endroit à l’autre. Il y a même un soutien émergent dans le secteur de la technologie pour une sorte de revenu annuel garanti, sur la théorie que les progrès de l’IA et de la robotique finiront par transcender les limites actuelles et rendront inévitables des perturbations massives du lieu de travail, ce qui signifie que les gens auront besoin d’un coussin.

C’est le genre de discussion qui devient vraiment politique très rapidement. Et pour le moment, dit Rainie, les enquêtes d’opinion de Pew montrent que ce n’est pas vraiment sur le radar du public : « Il y a beaucoup de gens ordinaires, de travailleurs ordinaires qui disent : « Oui, tout le monde va être touché par ce problème, mais pas moi. Mon entreprise est en bonne santé. Je ne peux pas imaginer comment une machine ou un logiciel pourrait me remplacer.' »

Mais c’est une discussion qui doit avoir lieu de toute urgence, dit West. Il suffit de regarder ce qui est déjà dans le pipeline, dit-il, « la révolution technologique va prendre toute sa force entre 2020 et 2050. Donc, si nous apportons des changements dès maintenant et que nous les introduisons progressivement au cours des 20 prochaines années, c’est parfaitement gérable. Mais si nous attendons jusqu’en 2040, ce sera probablement impossible à gérer. »

Note de la rédaction : Cette histoire a été mise à jour le 1er août pour corriger les détails d’une expérience de Jim Guszcza. L’histoire indiquait à l’origine qu’une expérience menée pendant la campagne électorale de 2016 avait été réalisée pour voir à quel point l’apprentissage profond avait amélioré la capacité de Translate de Google ; en fait, l’expérience de 2016 a été réalisée avant que Google n’ait entièrement mis à niveau Translate avec l’apprentissage profond. Le test initial a été effectué avec le titre « Hillary claque la porte sur Bernie », et non « Bernie claque la porte sur Hillary » comme indiqué à l’origine. Le titre qui a résulté de la traduction de l’anglais au bengali et vice-versa était « Barney claque la porte sur Clinton », et non « Barry claque la porte sur Hillary ». Les améliorations apportées par l’apprentissage profond ont été testées un an plus tard avec le même titre initial, et le titre résultant après la traduction en bengali et retour était « Hillary Barry a ouvert la porte. »

.