Comment l'IA va transformer le monde du travail

Depuis deux ans, parler d'intelligence artificielle est devenu incontournable pour...

....briller durant les meet ups, les ptichs investisseurs ou encore en comex. Pourtant, les personnes qui en parlent et qui comprennent vraiment de quoi il retourne sont encore moins nombreuses que celles qui comprennent le réel fonctionnement de l’algorithme de Google.En même temps, comment ne pas en parler alors qu’il existe une véritable pression sociale qui nous pousse en ce sens (Tu prépares pas ton chatbot ’ T’es obsolète ou quoi ’ T’as pas vu que Google est devenue une boîte « AI First » ’). Comment ne pas croire que le grand moment est enfin arrivé alors que tout concourt à nous pousser à croire que l’ère de la domination des « intelligences artificielles » est arrivée : certains messies de la Silicon Valley défendent la thèse selon laquelle l’IA est la pire menace qui pèsent sur l’humanité, des rapports gouvernementaux réalisés par des experts annoncent que 10 %, 20 %, 30 % des emplois seraient menacés dans les 15 ans qui viennent, les GAFAM (Google Amazon Facebook Apple Microsoft) et les plus grands investisseurs misent des milliards de dollars sur l’IA.

Alors l’IA est-elle un ballon de baudruche appelé à se dégonfler tout comme Yahoo, les Google Glass et l’uberisation ou bien une solide tendance de fonds, comme les réseaux sociaux ou les marketplaces ’ Et surtout, nous menace-t-elle ?

La réalité est plus subtile : l’IA est actuellement un grand chantier expérimental où se croisent des milliers d’ingénieurs et où les applications authentiquement intelligent sont rares, mais d’où pourrait sortir des applications ponctuelles qui permettrait à la productivité de certains métiers d’augmenter et à certains verticaux (secteurs d’activité) d’évoluer rapidement. Autrement dit, le Hall 9000 de « 2001 l’odyssée de l’espace » ou le « Terminator », n’arriveront pas en 2025, mais dès 2018, des automates ou agents presqu’intelligents ont commencé à réaliser ertaines tâches simplissimes avec ou à la place des humains. Peut-être qu’en 2025, ils se seront multipliés et peut-être qu’en 2030, ils commenceront à fusionner pour simuler 2 % ou 3 % de l’intelligence humaine. Cela peut paraître peu, mais en même temps, 2030, c’est seulement dans 13 ans et les passionnés de l’intelligence artificielle ce miracle depuis 50 ans.

Pour cela, il semble qu’il faille réunir 4 conditions : suffisamment de Steve Jobs dans l’IA, suffisamment de capital, des business models rentables et, un tout petit détail : que les humains fassent de la place aux bots, automates et autres intelligences robotiques. L’échec des la plupart des révolutions technologiques annoncées par les visionnaires s’expliquent par un refus des utilisateurs, qui ont la mauvaise habitudes de ne pas se précipiter sur toutes les innovations qu’on leur propose. Ils ont refusé d’acheter l’ancêtre de l’iphone qu’Apple avait inventé au milieu des années 1990, ont fait un blocage sur les Google Glass, mais adorent les petites oreilles en réalité augmentée de Snapchat. En même temps, ils avaient adoré des services « sans valeur », comme les SMS. Les révolutions technologiques ne pourraient donc se faire qu’avec l’accord des utilisateurs. Il se murmure même, en coulisse, que les millennials, ces techno-enthousiastes, seraient résistants à de nombreuses innovations...

Aujourd’hui, en tout cas, l’intelligence artificielle, est, tout juste en train de passer du statut de keyword facilitant la levée de fonds des start-ups ou la vente de prestation de conseil en transformation digitale des cabinets spécialisés, au statut d’application réellement fonctionnelle pour les humains. En dehors des GAFAM qui utilisent certaines technologies d’intelligence artificielle pour prédire les attentes futures de leur utilisateurs afin de leur pousser des publicités ciblées ou contenus toujours plus addictifs pour qu’ils passent toujours plus de temps devant leurs écrans ou dans le monde analogique, les success stories de l’intelligence artificielle se concentrent sur des niches.

L’IA peut, tout d’abord, permettre d’automatiser certaines tâches : ces automates peuvent être les robots dans les usines qui découpent, assemblent, contrôlent la qualité des éléments.

Ils sont déjà largement présents dans l’industrie automobile et arrivent dans des secteurs actuellement très consommateurs de main d’oeuvre comme le textile : la nouvelle génération de robots découpent plus efficacement que l’humain des tissus, la prochaine pourraient apprendre à les assembler. Si tel était le cas, l’industrie textile pourrait se relocaliser en Europe, car la délocalisation a été essentiellement dictée par le coût de la main d’oeuvre qui pourrait redevenir marginal.

Dans les sociétés de services, des milliers de tâches simples peuvent potentiellement aussi être automatisées, pour peu qu’un expert du métier et qu’un développeur inspirés se croisent et inventent la machine à automatiser la tâche simple et bête qui emploie pourtant 15 % des effectifs.

Les automates sont déjà utilisés dans l’emailing par les vendeurs d’ebooks ou de formation autour du développement personnel depuis le début des années 2000 pour relancer leurs prospects. Ils sont utilisés depuis 5 ans par les sites d’ecommerce avec des scénaris de relance des abandonistes, par email, un peu grossiers actuellement, mais qui s’affinent avec le temps.

Les automates qui scrappent des contenus ou adresses emails sont au coeur des approches de type growth hacking.

Demain, de nouveaux automates pourraient rédiger des descriptifs de produits presque aussi crédibles que ceux rédigés par des rédacteurs (souvent peu formés et payés au lance pierre actuellement) et pourquoi pas, même adapter en temps réel le descriptif produit au profil de l’internaute qui le lit.

Les chabbots rentrent actuellement dans la catégorie des simples automates dans la mesure où aujourd’hui, un chatbot est essentiellement capable de qualifier le besoin de l’internaute par une série de questions « entonnoirs » et d’y apporter des réponses standards. Les chatbots automatisent l’accueil des internautes plus qu’ils ne sont capables de tenir des conversations.

Le deuxième type de tâches que l’IA peut réaliser est l’analyse de données.

Les laboratoires d’intelligence artificielle des GAFAM travaillent pour l’essentiel, sur l’analyse des gigantesques quantités de données qu’ils collectent auprès de leurs milliards d’utilisateurs. On parle alors de machine learning ou de deep learning suivant le niveau de complexité des méthodes d’analyse de données. Les pilotes des plate-formes d’intelligence artificielle tentent d’identifier des profils types, des comportements types, des centres d’intérêts principaux pour chaque utilisateur et adaptent les algorithmes qui sélectionnent les résultats dans leur moteur de recherche ou poussent les publications sur leur fil d’actualités ou les images poussées sur leur application de partage de photos, les plus similaires ce qui a intéressé récemment l’utilisateur. Premier objectif : retenir le plus longtemps possible les internautes devant leur application. Deuxième objectif : afficher les publicités auxquelles ils seront les plus réceptifs.

Troisième objectif : tenter de prédire le comportement des utilisateurs, par exemple, pour leur proposer des contenus ou des offres pour les amener à acheter ou continuer à utiliser l’application.

Les GAFAM ne sont pas les seules à investiguer ces univers : certaines start-ups d’ecommerce très performantes développent leur propre technologie pour optimiser leur chiffre d’affaires, sélectionner les produits avec le plus fort potentiel, tandis que certains grands groupes tentent de mieux comprendre les habitudes de leurs clients. La réussite de ces chantiers de recherche et développement est étroitement lié à la pertinence de l’approche technique, au pilotage des opérations d’analyse et à l’agilité des organisations impliquées. Traduction : tous les expérimentations d’IA ne sont pas de francs succès.

Le machine learning et le deep learning sont aussi utilisés pour apprendre aux machines les modes de perception des informations des humains : en analysant des centaines de millions d’images de visages, les ordinateurs finissent par comprendre les caractèristiques techniques d’une photo comportant un visage humain ainsi que les différences techniques entre les visages de deux personnes ou encore les similitudes entre le visage d’une même personne maquillée ou non. Ces technologies de reconnaissance faciale permettent, par exemple, à un smartphone de classer automatiquement vos selfies dans un dossier spécial ou même d’utiliser le visage du propriétaire pour débloquer l’accès au smartphone. Le même type de technologie, utilisé dans la reconnaissance vocale, permet de traduire le discours d’une personne en une suite de mots et dans la reconnaissance de caractères, permet de transformer un texte écrit à la main en document Word. En revanche, elle ne permet pas à l’ordinateur de comprendre le sens de la suite de mots et encore moins la qualité du discours ou du texte manuscrit. Tout juste, permet-elle si elle est couplée à une technologie de moteur de recherche, de comprendre le sujet principal du texte et parfois d’identifier les sous-sujets.

L’intelligence artificielle peut aussi s’intéresser à la modélisation du raisonnement d’un humain lorsqu’il analyse des données ou évalue une situation. Comment un expert comptable comprend-il et analyse-t-il un bilan financier ’ Les logiciels d’édition de bilan calculent déjà depuis longtemps les variations d’une valeur (production, par exemple) d’une année sur l’autre, mais on peut imaginer qu’en décomposant toutes les étapes du raisonnement d’un expert comptable, on puisse parvenir à créer un logiciel qui lance des alertes lorsque la trésorerie d’une société évolue de façon anormale, qui détecte les produits les plus rentables d’une entreprise.