L’IA générative devrait créer plus d’emplois qu’en détruire [Etude]
Par Dalila Bouaziz | Le | Data
Un nouveau rapport de l’Organisation internationale du travail (OIT) révèle que l’IA générative est plus susceptible d’augmenter que de détruire les emplois en automatisant certaines tâches plutôt qu’en remplaçant entièrement un rôle.
![Le travail de bureau s’avère être la catégorie la plus exposée aux technologies d’IA. - © D.R.](https://geimage.republiknews.fr/image/cms/1aff5e0b18dd6342e39a7f16aa218998/travail-bureau-avere-etre-categorie-plus-exposee-technologies-ia.jpg?fm=browser&fill=auto&crop=0%2C38%2C1280%2C720&w=1280&h=720&s=1d440d363c10cc7d488aecc7303ae1c6)
L'étude, « Generative AI and Jobs : A global analysis of potential effects on job quantity and quality » (IA générative et emploi : une analyse globale des effets potentiels sur la quantité et la qualité de l’emploi), suggère que la plupart des emplois et des industries ne sont que partiellement exposés à l’automatisation et sont plus susceptibles d'être complétés que remplacés par la dernière vague d’IA générative (capable de générer du texte, des images ou d’autres médias), telle que ChatGPT. L’impact le plus important de cette technologie ne sera probablement pas la destruction d’emplois, mais plutôt les changements potentiels de la qualité des emplois, notamment l’intensité du travail et l’autonomie.
Les emplois des femmes plus concernés
Sans surprise, le travail de bureau s’avère être la catégorie la plus exposée aux technologies d’intelligence artificielles, avec près d’un quart des tâches considérées comme très exposées et plus de la moitié des tâches présentant un niveau d’exposition moyen. Dans d’autres catégories professionnelles - notamment les cadres, les professionnels et les techniciens - seule une petite partie des tâches est considérée comme très exposée, tandis qu’environ un quart d’entre elles présentent un niveau d’exposition moyen.
L'étude, de portée mondiale, met en évidence des différences notables dans les effets sur les pays à différents niveaux de développement, liées aux contextes économiques et aux écarts technologiques existants. 5,5 % de l’emploi total dans les pays à revenu élevé est potentiellement exposé aux effets d’automatisation de la technologie, alors que dans les pays à faible revenu, le risque d’automatisation ne concerne qu’environ 0,4 % de l’emploi. Le potentiel d’augmentation est pratiquement le même dans tous les pays, ce qui laisse penser qu’avec la mise en place de politiques appropriées, cette nouvelle vague de transformation technologique pourrait offrir d’importants avantages aux pays en développement. L'étude révèle que les effets potentiels de l’IA générative sont susceptibles de différer sensiblement pour les hommes et les femmes, la part de l’emploi féminin pouvant être affectée par l’automatisation étant plus de deux fois supérieure. Cela s’explique par la surreprésentation des femmes dans les emplois de bureau, en particulier dans les pays à revenu élevé et intermédiaire. Les emplois de bureau étant traditionnellement une source importante d’emplois féminins au fur et à mesure que les pays se développent économiquement, l’IA générative pourrait avoir pour conséquence que certains emplois de bureau ne voient jamais le jour dans les pays à faible revenu.
Accompagner la transition
Le document conclut que les impacts socio-économiques de l’IA générative dépendront largement de la manière dont sa diffusion sera gérée. Il souligne la nécessité de concevoir des politiques qui favorisent une transition ordonnée, équitable et consultative. Le dialogue avec les travailleurs, la formation et une protection sociale adéquate seront essentielles pour gérer la transition. Dans le cas contraire, seuls quelques pays et acteurs du marché bien préparés risquent de bénéficier de la nouvelle technologie.
Les auteurs notent que « les résultats de la transition technologique ne sont pas prédéterminés. Ce sont les êtres humains qui sont à l’origine de la décision d’incorporer ces technologies et ce sont eux qui doivent guider le processus de transition ».