00:00:00 Résumé succinct de l’étude de Harvard
00:00:32 Étude ChatGPT-4 avec des consultants de BCG
00:01:31 Exploration de l’impact de l’IA sur la productivité
00:02:31 Potentiel de remplacement de l’IA et critique
00:03:47 Effets plus larges de l’IA sur l’emploi
Résumé
Conor Doherty de Lokad examine une étude de Harvard sur l’impact de l’IA sur les emplois de cols blancs, révélant des effets nuancés. La recherche, impliquant 758 consultants, évalue le rôle de l’IA dans l’amélioration de la productivité, en particulier dans la gestion de la supply chain. Elle constate que l’IA améliore les performances dans certaines tâches, notamment avec la formation, mais peut faiblir dans des scénarios complexes. Doherty critique la vision étroite de l’IA dans l’étude en tant qu’adjointe au travail humain, plaidant pour son potentiel à automatiser entièrement les tâches, révolutionnant ainsi la productivité et redéfinissant le travail de cols blancs. Il met en garde contre la confiance excessive en matière de sécurité de l’emploi, car les capacités complètes de l’IA pourraient modifier radicalement le paysage de l’emploi.
Transcription complète
Conor Doherty: Naviguant sur la frontière technologique accidentée, un document de recherche publié par la Harvard Business School vise à fournir des informations sur les effets de l’IA sur la productivité et, en fin de compte, sur l’emploi.
Aujourd’hui, je vais examiner trois choses : premièrement, l’hypothèse et les méthodes du document ; deuxièmement, les principales conclusions et résultats du document ; et troisièmement, l’avis de Lokad. Commençons.
Le document explore les implications de l’IA sur des tâches complexes, réalistes et intensives en connaissances. L’IA utilisée était ChatGPT-4, un modèle de langage volumineux.
L’hypothèse implicite était que l’introduction de l’IA dans les flux de travail des professionnels hautement qualifiés entraînerait des gains de productivité. Les 758 sujets impliqués étaient des consultants du Boston Consulting Group (BCG).
Les chercheurs ont réparti les sujets en deux groupes, chaque groupe recevant une tâche unique. Une tâche était axée sur les compétences analytiques, l’écriture créative, la persuasion et les compétences en rédaction, tandis que l’autre était axée sur la résolution de problèmes en combinant des données quantitatives et qualitatives.
Tous les participants ont d’abord effectué une tâche de référence sans IA. Ensuite, les sujets ont été subdivisés en trois groupes : un groupe témoin sans IA, un groupe avec IA et un troisième groupe avec à la fois IA et formation sur la meilleure façon de l’utiliser.
Les sujets disposaient de 30 à 90 minutes pour accomplir leurs tâches, conçues pour imiter celles que l’on trouve dans les cabinets de conseil de haut niveau.
Bien que les tâches aient été conçues pour être de difficulté similaire, les effets de l’IA étaient assez différents, ce qui a conduit les chercheurs à parler d’une frontière technologique accidentée.
Cela fait référence à la capacité de l’IA à améliorer considérablement les performances humaines pour certaines tâches, celles situées à l’intérieur de la frontière, mais à dégrader les performances humaines pour d’autres, celles situées à l’extérieur de la frontière.
Pour les tâches situées à l’intérieur de la frontière, l’IA a entraîné des gains de productivité significatifs. Les deux groupes avec IA ont surpassé le groupe témoin, et le groupe qui a reçu une formation supplémentaire sur l’IA a obtenu les meilleurs résultats globaux.
L’augmentation de la productivité était particulièrement puissante pour les personnes qui avaient obtenu un score inférieur à la moitié de la tâche de référence initiale, ce qui suggère que l’IA pourrait être particulièrement bénéfique pour les travailleurs moins qualifiés.
Cependant, pour les tâches situées à l’extérieur de la frontière, telles que la combinaison d’analyses quantitatives et qualitatives, le groupe qui a reçu à la fois l’IA et une formation a obtenu les moins bons résultats. En fait, le groupe témoin a surpassé les deux groupes avec IA, avec une différence significative notée entre le groupe témoin et le groupe qui a reçu à la fois l’IA et une formation.
Les auteurs suggèrent que pour les tâches situées à l’intérieur de la frontière, l’IA peut considérablement améliorer à la fois la productivité et la qualité, et éventuellement même remplacer les humains. Cependant, pour les tâches considérées comme étant à l’extérieur de la frontière, l’IA peut être beaucoup moins efficace.
Bien que l’article soit rédigé de manière très accessible, il repose sur une grave lacune méthodologique. Il n’a pas exploré la productivité obtenue grâce à l’automatisation de l’IA. Au lieu de cela, il a traité l’IA comme une sorte de co-pilote à guider par les humains.
Cela est profondément erroné car cela a artificiellement restreint les capacités de l’IA, en particulier lorsqu’elle est combinée à d’autres techniques telles que la génération augmentée par récupération.
L’IA peut composer automatiquement des instructions avec toutes les informations nécessaires récupérées à partir d’une base de données, comme celles conservées dans les cabinets de conseil de haut niveau. Cela dépasserait de loin la production d’une seule personne et serait bien plus rentable lorsqu’il est déployé à grande échelle.
Même si la qualité des réponses était seulement aussi bonne que celle du groupe témoin, elles seraient encore nettement moins chères en raison du coût très faible des modèles de langage de grande taille (LLM) par rapport au salaire à six chiffres d’un seul diplômé de Harvard.
C’est là l’effet réel de l’IA à la fois sur la supply chain et l’emploi : les gains de productivité sans précédent grâce à l’automatisation des tâches quantitatives et qualitatives déployées à grande échelle. Cela surpasserait très probablement les humains en termes de qualité et certainement en termes de retour sur investissement.
En ignorant ce cas d’utilisation évident, l’article donne un sentiment de sécurité faux et potentiellement dangereux aux personnes déjà préoccupées par l’effet potentiel de l’IA sur la supply chain et d’autres emplois analytiques.
