Intelligence Artificielle et le Marché du Travail

Rédigé par Katarina Milanovic, assistante de recherche pour la Chaire « Women in Business »

Les effets de l'intelligence artificielle (IA) sur le marché du travail et la croissance économique demeurent indéterminés. Alors que l'innovation croissante dans la recherche sur l'IA porte la promesse d'une augmentation de la productivité et de la création de nouveaux emplois, certains spécialistes s'inquiètent des pertes d'emplois potentielles et de l'augmentation des inégalités. En 2023 par exemple, un rapport de Goldman Sachs indiquait que si l'IA générative pouvait créer de nouveaux emplois et stimuler la productivité mondiale, elle pouvait aussi conduire à une « perturbation significative du marché du travail », avec une estimation de 300 millions d'emplois exposés à l'automatisation. Un autre exemple est celui de British Telecom qui a annoncé son intention de supprimer jusqu'à 55 000 emplois d'ici 2030, avec la possibilité de remplacer 10 000 de ces emplois par l'IA. 

En outre, l'utilisation de l'IA pourrait avoir un impact disproportionné et négatif sur les groupes socio-économiques qui ont historiquement rencontré le plus d'obstacles sur le marché du travail. Les universitaires sont de plus en plus nombreux à effectuer des analyses de l'IA portant spécifiquement sur les préjugés sexistes et raciaux (voir Khan, 2023, et Gomez-Herrera et Köszeg, 2022). Alors que l'on prévoit que le risque d'automatisation intelligente transformera la plupart des professions dans une certaine mesure en raison de l'augmentation rapide de la capacité de l'IA générative à effectuer des tâches cognitives non routinières, des rapports récents traitant des effets sexospécifiques de l'IA soulignent que la ségrégation professionnelle est un sujet de préoccupation majeur(Gomez-Herrera et Köszeg, 2022 ; Lane et Saint-Martin, 2021).

L'effet direct de l'IA sur les emplois préexistants dépend de la question de savoir si la nouvelle technologie vient compléter ou remplacer les compétences des travailleurs. Par exemple, les nouveaux développements de la technologie de l'IA peuvent servir de complément à un radiologue qui analyse des scanners médicaux (Gopinath, 2023), mais remplacer les employés administratifs dont les tâches principales consistent à saisir des données sur les patients. Les premiers verraient ainsi la productivité de leur travail augmenter, tandis que les seconds verraient probablement la plupart de leurs tâches remplacées par l'IA et seraient donc confrontés à un risque beaucoup plus élevé de perte d'emploi. L'automatisation en elle-même n'est pas nouvelle - le remplacement des tâches et la transformation des emplois suivent les périodes d'innovation technologique du passé. Par exemple, l'industrie automobile a vu diminuer l'utilisation des chaînes de montage manuelles grâce au développement des bras robotisés. Alors que l'automatisation passée était limitée aux tâches routinières, la capacité de l'IA générative à effectuer des tâches cognitives non routinières expose des professions auparavant isolées, considérées comme des compléments à l'automatisation, à la substitution. Le graphique suivant, tiré d'une étude récente de Goldman Sachs, montre la part estimée de l'emploi exposée au risque d'automatisation par l'IA générative pour certaines industries aux États-Unis, et peut être une indication des changements futurs sur le marché du travail causés par l'IA.
 

C'est là que réside la possibilité d'une répartition inégale de la charge du déplacement d'emplois entre les hommes et les femmes, la recherche n'ayant pas encore apporté de réponse claire. Avant le développement de l'IA générative, plusieurs études ont identifié les industries manufacturières comme étant les plus exposées aux technologies de remplacement de l'automatisation (Collett et al., 2022). Étant donné que les hommes sont plus concentrés dans ces industries, ils semblent avoir été les plus exposés aux déplacements d'emplois liés à l'automatisation (Collett et al., 2022). D'autre part, Brussevich et al. (2019) ont constaté qu'en moyenne, dans tous les secteurs et toutes les professions, les femmes effectuent davantage de tâches codifiables et routinières que les hommes, d'où un risque plus élevé de déplacement d'emplois dû à l'automatisation pour les femmes. L'IA générative a encore compliqué les efforts visant à prédire clairement les futurs effets sexospécifiques sur le marché du travail. Certains rapports récents ont identifié le travail de bureau et de service comme étant le plus susceptible d'être remplacé par l'IA, et le rapport The Effects of AI on the Working Lives of Women cite une étude récente selon laquelle les femmes représentent 70 % de la main-d'œuvre administrative et de bureau aux États-Unis. Une autre étude portant spécifiquement sur les services financiers révèle que les femmes n'occupent que 25 % des postes de direction, généralement considérés comme présentant le risque le plus faible de remplacement par l'IA. Cela implique que les postes du secteur financier les mieux protégés de l'automatisation par l'IA sont concentrés chez les hommes (Collett et al., 2022).  Si les recherches sur les différences de résultats entre les sexes restent spécifiques selon le contexte, il est clair que sans politiques appropriées ciblant la mise en œuvre de l'IA et la requalification adéquate des travailleurs, l'utilisation accrue de l'IA risque fort d'exacerber les inégalités entre les hommes et les femmes sur le marché de l'emploi.

L'IA a également le potentiel d'accroître les barrières à l'entrée pour les nouvelles générations de main-d'œuvre en raison de l'inégalité d'accès à l'éducation et aux opportunités qui génèrent des compétences complémentaires à l'IA. Le rapport de l'OCDE de 2018 intitulé Bridging the Digital Gender Divide constate que, dans la plupart des pays de l'OCDE, les femmes sont moins susceptibles de posséder un niveau élevé de « culture numérique » que les hommes, et que cette différence s'accentue avec l'âge, car le développement des compétences devient beaucoup plus difficile en cas d'emploi combiné avec des responsabilités domestiques (Collett et al., 2022). La différence entre les sexes aux premiers stades de l'évolution de carrière peut être liée à des choix différents dans les filières d'enseignement, malgré des intérêts et des capacités similaires dans la petite enfance (Gomez-Herrera et Köszeg, 2022). Cet écart est souvent attribué à la socialisation, à la confiance en soi et aux normes traditionnelles en matière de genre (Collett et al., 2022).  Le rapport She figures 2021 réalisé par la Commission européenne a révélé qu'en Europe, seuls 34 % des diplômés en STEM et 17 % des diplômés en technologies de l'information et de la communication (TIC) sont des femmes. Les disparités entre les sexes en matière de compétences et d'éducation complémentaires à l'IA génèrent des avantages inégaux en termes de compétitivité sur le marché du travail, en particulier pour les emplois qui bénéficient le plus de l'innovation en matière d'IA. Le 2018 Global Gender Gap Report a révélé qu'à l'échelle mondiale, seuls 22 % des professionnels de l'IA sont des femmes. Si l'on ne s'attaque pas aux obstacles sociaux et économiques à l'éducation et au développement des compétences auxquels sont confrontés les groupes vulnérables, notamment les femmes et les jeunes filles, l'utilisation accrue de l'IA pourrait renforcer les stéréotypes sexistes et la ségrégation professionnelle à long terme.

La réduction initiale de la demande de main-d'œuvre dans les domaines hautement automatisés pourrait potentiellement conduire à une résurgence des normes traditionnelles en matière de genre, comme le suppose Alice Evans, maître de conférences au King's College de Londres, dans son article intitulé Are Robots Replacing Women ?. Avec un surplus de travailleurs qualifiés et une nouvelle contrainte de disponibilité des emplois due à la mise en œuvre de l'IA, certaines entreprises rentables pourraient trouver plus facile de maintenir leur goût pour la discrimination. Outre l'éviction des femmes de certains emplois, un ratio hommes-femmes plus asymétrique pourrait renforcer les normes traditionnelles en matière de genre, créant potentiellement une boucle de rétroaction négative pour les générations futures.

Enfin, les technologies d'IA elles-mêmes peuvent être intrinsèquement biaisées si elles sont formées sur des données non représentatives de la société ou si elles sont conçues par une équipe peu diversifiée et donc sujette à des préjugés et des stéréotypes inconscients. Dans les deux cas, les groupes qui ont été historiquement exclus de la collecte de données et de l'inclusion dans les analyses seraient affectés de manière disproportionnée par les biais de l'IA. En lien avec le marché du travail, cela pourrait introduire des biais et des discriminations dans les systèmes d'embauche et les systèmes de surveillance intrusifs. Par exemple, en 2018, Amazon a mis en place un système d'embauche par IA qu'elle a dû abandonner en raison de préjugés sexistes. En raison des données qui lui étaient fournies, l'algorithme s'est entraîné à pénaliser les CV contenant le mot « féminin ». Le renforcement des stéréotypes traditionnels par les biais de l'IA suscite des inquiétudes, comme dans le cas de la féminisation des assistants virtuels (Collett et al., 2022). Les assistants personnels virtuels à voix féminine peuvent favoriser l'association des femmes à des rôles de soins et de soutien. En outre, les assistants personnels virtuels eux-mêmes ont été la cible de harcèlement sexiste et d'agressions verbales. En 2020, l'une des plus grandes banques brésiliennes a enregistré 95 000 messages moralement ou sexuellement offensants à l'intention de son AI Chabot. Le rapport de l'UNESCO I’d Blush if I Could souligne que des cas comme celui-ci pourraient conduire à la normalisation et à la tolérance de la violence verbale et du harcèlement des femmes dans la vie quotidienne (West et al., 2019 ; Collett et al., 2022).

Bien que l'avenir de l'IA sur le marché du travail soit incertain, les paragraphes ci-dessus montrent bien qu'en l'absence de recherches approfondies et de politiques efficaces, les inégalités existantes pourraient s'aggraver. Des rapports récents soulignent l'importance de « bonnes politiques ».  Par exemple, l'article de Brynjolfsson et Unger (2023) intitulé The Macroeconomics of Artificial Intelligence souligne l'existence d'un écart important entre la recherche sur les progrès de la technologie de l'IA et la recherche sur la compréhension de ses impacts économiques et sociaux. Ils mettent en garde contre le fait de considérer l'avenir de l'IA comme prédéterminé, mais plutôt comme dépendant de décisions politiques. Ils appellent à « des innovations dans la compréhension de l'économie et de la politique qui correspondent à l'échelle et à la portée des percées de l'IA elle-même », soulignant que « l’avenir pessimiste » est la voie de la moindre résistance. Les décideurs politiques ayant changé de perspective pour se concentrer sur la manière dont l'IA peut compléter le travail humain plutôt que le remplacer, les chercheurs estiment que la société a le pouvoir de façonner collectivement l'avenir imprévisible de l'IA.

La pression en faveur d'une élaboration rigoureuse des politiques et d'une mise en œuvre prudente de l'IA est alimentée par des recherches qui n'ont pas encore produit de résultats concluants sur les effets de l'IA. La méthode fondamentale d'estimation économique repose sur l'utilisation de données pour estimer ex post les effets d'un événement passé. Étant donné que nous sommes encore dans la phase de développement rapide de l'IA, les chercheurs sont confrontés à deux obstacles : la disponibilité insuffisante des données pour leurs estimations et le manque de temps écoulé pour que les effets se matérialisent.  En outre, les progrès sans précédent dans la capacité de l'IA à effectuer des tâches cognitives non routinières la distinguent de toutes les périodes d'évolution technologique rapide observées dans le passé. Alors que la théorie néoclassique soutient que toute forme d'innovation technologique entraîne une augmentation de la productivité, ce qui se traduit par une augmentation des revenus, des gains économiques et une amélioration du niveau de vie, la nouveauté de l'IA générative constitue un obstacle important aux capacités de projections. En particulier, les croyances et les projections concernant la redistribution adéquate des gains de l'IA et ses effets sur les taux de chômage pendant la période d'ajustement économique restent ambiguës (Stevenson, 2018).

Néanmoins, un message commun issu des travaux de recherche récents et des discussions académiques sur l'automatisation et l'IA est l'importance de s'éloigner des positions binaires, comme l'apocalypse ou l'utopie, qui sont devenues des récits courants dans la presse populaire et les cercles académiques. Dans Artificial Intelligence, Automation, and Work, Acemoglu et Restrepo (2018) développent un cadre pour aborder cette fausse dichotomie dans les croyances, qui est centré sur les mécanismes d'équilibre. Si l'automatisation, l'IA et la robotique peuvent remplacer les travailleurs dans des tâches qu'ils effectuaient auparavant, la réduction des coûts de production, l'augmentation de l'accumulation de capital et l'accroissement de la productivité des machines pourraient compenser ce phénomène. En outre, la création de nouvelles tâches peut directement contrebalancer le déplacement initial d'emplois. Ce cadre met l'accent sur le rôle des entreprises, des travailleurs et d'autres acteurs de la société pour décider de la vitesse et de la nature des progrès de l'automatisation et de la création de nouvelles tâches.

Afin de mieux identifier les divers effets sur le marché du travail plus spécifiques à l'IA générative, les travaux de recherche se sont de plus en plus concentrés sur les modèles théoriques basés sur les tâches. L'analyse des tâches permet d'identifier plus précisément dans quelle mesure les rôles seront réduits, élargis ou rendus obsolètes par l'IA, en tenant compte des variations au sein d'une profession donnée. Agrawal et al. (2019) utilisent l'approche basée sur les tâches dans leur article Artificial Intelligence : The Ambiguous Labor Market Impact of Automating Prediction, où ils proposent une distinction entre les tâches de prédiction et les tâches de décision. En distinguant les tâches en tant que telles, les auteurs sont en mesure de démontrer que l'impact de l'IA sur les emplois dépend de la question de savoir si l'automatisation de la prédiction complétera ou remplacera les tâches données. Ils soulignent que les effets nets théoriques sont ambigus et que l'impact de l'introduction de l'IA sur l'emploi et les salaires dépend de contextes empiriques spécifiques. Par exemple, un récent document de travail empirique de Hui et al. (2023) étudie le lancement de ChatGPT dans le contexte d'un marché du travail en ligne de travailleurs indépendants offrant les services les plus substituables aux capacités de ChatGPT : la rédaction, l'édition et la relecture. Les résultats de cet article montrent une réduction de la demande à court terme et des salaires des télétravailleurs indépendants pour ces tâches très affectées par rapport à ceux qui fournissent des services moins affectés. Une réduction similaire a été constatée pour les travailleurs indépendants à distance offrant des services de conception, d'édition d'images et d'art lors de l'estimation des effets de la mise sur le marché d'IA génératrices d'images, telles que Dall-E et Midjourney. La grande hétérogénéité des preuves empiriques est apparente lorsque l'on observe les analyses plus récentes au niveau de l'entreprise, qui ne confirment pas que l'automatisation a un effet négatif sur l'emploi et les salaires globaux lorsque l'on tient compte d'une période d'adaptation (Lane et Saint-Martin, 2021). Toutefois, une grande partie de la recherche empirique reste axée sur la robotisation et l'automatisation, de sorte qu'il est encore nécessaire de procéder à une analyse plus spécifique de l'impact de l'IA générative sur les résultats en matière d'emploi. En outre, la possibilité d'effets décalés oblige à faire preuve de prudence dans la mise en œuvre de l'IA et à poursuivre les efforts de recherche au fur et à mesure que de nouvelles données sont disponibles.

Les discussions autour de l'IA sont passées de débats théoriques à des considérations pratiques sur la façon dont l'IA générative révolutionne la société. L'utilisation accrue de l'IA dans divers secteurs a suscité à la fois de l'enthousiasme et des inquiétudes. Ces préoccupations portent notamment sur des questions liées à la désinformation, au déplacement d'emplois, à l'inégalité des revenus, aux préjugés et à la stabilité sociétale (Bhatt, 2023). La collaboration entre les différentes parties prenantes, notamment les gouvernements, l'industrie, le monde universitaire et la société civile, semble essentielle pour façonner l'avenir de l'IA et garantir un progrès social et économique inclusif et durable. 

Références 

Acemoglu, D. and Restrepo, P. (2018). Artificial intelligence, automation, and work. In The economics of artificial intelligence: An agenda, pages 197–236. University of Chicago Press.

Agrawal, A., Gans, J. S., and Goldfarb, A. (2019). Artificial intelligence: the ambiguous labor market impact of automating prediction. Journal of Economic Perspectives, 33(2):31–50.

Bhatt, G. (2023). The ai awakening. Finance & Development, 0060(004), A001. Retrieved Jan 9, 2024, from https://doi.org/10.5089/9798400260179.001.A001

Brussevich, M., Dabla-Norris, M. E., & Khalid, S. (2019). Is technology widening the gender gap? Automation and the future of female employment. International Monetary Fund.

Brynjolfsson, E. and Unger, G. (2023). The Macroeconomics of Artificial Intelligence, Finance & Development, 0060(004), A006. Retrieved Jan 9, 2024, from https://doi.org/10.5089/9798400260179.001.A006

Collett, C., Gomes, L. G., Neff, G., et al. (2022). The effects of AI on the working lives of women. UNESCO Publishing.

European Commission, Directorate-General for Research and Innovation, (2021). She figures 2021 : gender in research and innovation : statistics and indicators, Publications Office. https://data.europa.eu/doi/10.2777/06090

Gomez-Herrera, E. and Köszegi, S. T. (2022). A gender perspective on artificial intelligence and jobs: The vicious cycle of digital inequality. Technical report, Bruegel Working Paper.

Gopinath, G. (2023). Harnessing ai for global good. Finance & Development, 0060(004), A018. Retrieved Jan 9, 2024, from https://doi.org/10.5089/9798400260179.001.A018

Hatzius, J. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth (Briggs/Kodnani). Goldman Sachs.

Hui, X., Reshef, O., & Zhou, L. (2023). The short-term effects of generative artificial intelligence on employment: Evidence from an online labor market. Available at SSRN 4527336.

Khan, R. (2023). We need a global feminist campaign against artificial intelligence bias. Media@ LSE.

Lane, M. and Saint-Martin, A. (2021). The impact of artificial intelligence on the labour market: What do we know so far?

Stevenson, B. (2018). Artificial intelligence, income, employment, and meaning. In The economics of artificial intelligence: An agenda, pages 189–195. University of Chicago Press.

West, M., Kraut, R., & Ei Chew, H. (2019). I'd blush if I could: closing gender divides in digital skills through education.

World Economic Forum (2018), The Global Gender Gap Report 2018 https://www.weforum.org/publications/the-global-gender-gap-report-2018