Augmentation ou substitution: comment anticiper l’impact de l’IA sur le travail?

« 50% de tous les emplois dans le secteur technologique, ainsi que les postes de juristes débutants, de consultants et de professionnels de la finance, disparaîtront complètement d’ici un à cinq ans. » C’est ce que déclarait récemment Dario Amodei, PDG d’Anthropic, éditeur de l’outil IA Claude. Ce type de prédiction est désormais assez courant, et toujours certain de faire son effet tant la peur fait vendre, mais il n’en est pas exact pour autant. Pour anticiper l’impact de l’IA sur le travail, ou mieux encore être un acteur intelligent de cet impact, il faut se garder de déclarations péremptoires et plonger plutôt dans le détail du travail lui-même.

Que nous dit l’histoire de l’innovation à propos du travail? Que l’automatisation est un sujet complexe et qu’il n’y a jamais une stricte substitution entre travail et machine; que les prévisions apocalyptiques sur la destruction d’emploi par l’automatisation sont aussi vieilles que l’automatisation et qu’elles n’ont jamais été vérifiées. L’automatisation a massivement créé des emplois, mais elle les a surtout profondément modifiés.

Lorsqu’on évoque l’automatisation des tâches avec l’IA, la plupart des économistes prédisent un glissement vers des métiers où la dimension humaine est centrale. C’est ce que l’économiste Alex Imas, dans un article sur le sujet, appelle le secteur relationnel: soins, enseignement, hospitalité, artisanat, performance vivante. On retrouve la très ancienne idée d’une évolution progressive d’un secteur primaire vers le secondaire puis le tertiaire.

Mais le changement dans la demande de travail humain n’est qu’une facette du problème. Il faut aussi considérer l’offre, c’est à dire l’évolution du travail lui-même. Autrement dit, quelle va être l’évolution d’un métier donné confronté à l’IA? C’est la réponse à cette question qui se fait souvent sous forme de déclaration lapidaire de type « Dans 5 ans il n’y aura plus de comptables. »

Dans un article récent, l’économiste Luis Garicano étudie cette facette. Il commence par faire une distinction importante entre tâches et travail. Un travail est un ensemble (bundle) de tâches, et le marché n’achète pas des tâches mais un travail. La vraie question n’est donc pas de savoir si l’IA est capable d’accomplir l’une des tâches de cet ensemble, mais si cette tâche peut être dissociée des autres facilement et à moindre coût pour être automatisée sans perturber l’ensemble.

L’enjeu de la dissociation des tâches

Quand la dissociation est facile, l’ensemble est lâche; une tâche donnée peut être isolée. Si elle est automatisée, il y a substitution et la part de travail humain se rétrécit. C’est par exemple le cas aujourd’hui pour les propositions commerciales des vendeurs, ou la traduction en langue étrangère, facilement prise en charge par les clients eux-mêmes. Quand la dissociation est difficile ou coûteuse, l’ensemble est monolithique; l’humain garde l’ensemble et met l’IA au service de cet ensemble sans le reconfigurer; il y a augmentation et non substitution. C’est l’exemple du consultant qui fait faire ses slides par l’IA.

J’ai récemment observé un exemple de dissociation difficile, celui de la prise de note dans le centre d’appel d’une grande entreprise. C’est le type même de corvée: une tâche considérée comme à faible valeur ajoutée et dont l’automatisation semble l’évidence même: la conversation avec le client est enregistrée, et dès l’appel terminé, l’opérateur reçoit la transcription. Il peut donc se concentrer sur l’échange sans être distrait par la prise de notes. Son travail est allégé. L’entreprise en question a donc été fortement incitée par ses consultants à choisir rapidement une solution technique et à la mettre en œuvre. Mais elle a finalement refusé. La raison est la suivante: la prise de note n’est en fait pas une corvée. Elle n’est pas non plus la simple transcription de ce qui s’est dit. Elle est une opération active; l’opérateur choisit ce qu’il note, choisit les points les plus importants, ajoute des commentaires. Par ailleurs, cette prise de notes n’est pas une distraction; elle est intimement liée à la qualité de la conversation. Et apparemment dans ce centre d’appels, les opérateurs sont très doués pour prendre des notes de qualité: synthétiques, précises, utiles pendant comme après l’échange. Un vrai travail analytique en temps réel. Au contraire, attendre la fin de l’échange pour avoir la retranscription signifie qu’il faut ajouter une nouvelle tâche, celle de relever les points principaux, ce qui est plus difficile a posteriori. En bref, la prise de note et la conversation sont deux tâches étroitement liées, difficilement dissociables du travail d’opérateur. L’automatisation de la prise de notes le compromettrait de toute évidence. Ici, la retranscription peut être une augmentation, en cas de contestation client par exemple, mais pas un substitut.

Selon Garicano, la force liant un ensemble de tâches constituant un travail tient à trois facteurs. Le premier est le caractère imprévisible de la demande. C’est par exemple le cas pour les services clients, où il est difficile de savoir à l’avance si la demande va porter sur une aide purement routinière traitée des milliers de fois, et donc confiée à l’IA, ou sur un problème complexe mieux traité par un humain. Or la bascule entre les deux est coûteuse et difficile. Le deuxième facteur concerne les retombées (spillover) en matière de production, c’est à dire l’impact d’une tâche sur l’autre. Certaines tâches vont de pair, car le fait d’accomplir la première, même si elle semble à faible valeur ajoutée, permet de mieux accomplir la seconde. C’est le cas de la prise de notes dans notre exemple, qui contribue à la qualité de l’échange, au confort psychologique de l’opérateur, et au bon suivi du dossier. Le troisième est le problème de la responsabilité. Les chercheurs Armen Alchian et Harold Demsetz ont montré il y a longtemps que lorsque plusieurs facteurs de production contribuent conjointement à un résultat, il est difficile de distinguer leurs contributions respectives. Si l’IA est utilisée par un humain, ce dernier doit demeurer responsable du produit final; c’est un des fondements du système économique. Au sommet de l’ensemble de tâches doit donc demeurer un humain qui joue ce rôle.

La clé est donc d’évaluer la force des liens de l’ensemble des tâches. Celles qui sont fortement liées, surtout si elles se recouvrent sans séparation nette, sont difficilement substituables. Il faut donc prendre le soin d’étudier très en détail la réalité du travail que l’on souhaite automatiser et éviter les idées préconçues de type « la prise de note est une activité à faible valeur ajoutée. »

Mais une chose semble sûre: comme pour les vagues d’automatisation précédentes, ce qui se dessine tient plus d’une profonde réinvention du travail humain que de sa disparition. C’est à cette réinvention qu’il faut travailler en ignorant aussi bien les prédictions apocalyptiques que les promesses de formules miracles.

🎧 Vous pouvez également vous abonner au format podcast des articles via votre plateforme favorite: Apple Podcast – YouTube Music – Spotify – Amazon Music/Audible – Deezer

▶️ Retrouvez-moi sur LinkedIn pour échanger sur cet article.

🇬🇧 Une version en anglais de cet article est disponible sur ma page Substack.