Les enjeux de la confidentialité avec les chatbots IA : comment protéger vos données personnelles

Les chatbots alimentés par l’intelligence artificielle (IA) se sont rapidement intégrés dans notre quotidien, facilitant des tâches allant du service client à l’assistance personnelle. Cependant, leur utilisation soulève des préoccupations majeures concernant la confidentialité des données. Comprendre les risques associés et adopter des mesures préventives est essentiel pour protéger votre vie privée.

Collecte et partage des données par les chatbots IA

Une analyse récente des 10 chatbots IA les plus populaires sur l’App Store d’Apple révèle que tous collectent certaines formes de données utilisateur, avec une moyenne de 11 types de données sur 35 possibles. Notamment, 40 % de ces applications recueillent la localisation des utilisateurs, et 30 % partagent ces informations avec des tiers. Par exemple, Google Gemini collecte 22 types de données, incluant des informations précises sur la localisation, les contacts et l’historique de navigation. ChatGPT, quant à lui, en collecte 10, telles que les coordonnées de contact et l’historique des conversations, mais n’utilise pas ces données à des fins publicitaires tierces.

Comparaison des IA et du nombre de données collectées

L’étude menée par Surfshark sur les 10 chatbots IA les plus populaires de l’App Store a révélé des écarts significatifs dans la quantité de données collectées par ces applications. En moyenne, chaque chatbot collecte 11 types de données sur un total de 35 catégories analysées. Voici un aperçu des principaux chatbots et du nombre de types de données qu’ils collectent :

  • Google Gemini : 22 types de données collectées, y compris la localisation précise, les contacts et l’historique de navigation.
  • ChatGPT (OpenAI) : 10 types de données collectées, notamment l’historique des conversations et les coordonnées de contact, mais sans partage avec des tiers à des fins publicitaires.
  • Microsoft Copilot : 12 types de données collectées, avec des informations sur l’appareil, l’usage et les interactions utilisateur.
  • Meta AI : 18 types de données collectées, incluant l’activité en ligne, la localisation et les interactions sociales.
  • Anthropic Claude : 8 types de données collectées, avec une approche plus respectueuse de la confidentialité que certains concurrents.

Fait marquant : 40 % des chatbots IA analysés collectent la localisation de l’utilisateur, et 30 % partagent ces données avec des tiers, ce qui pose un sérieux problème de confidentialité. Parmi les applications les plus intrusives, Google Gemini se distingue par le volume impressionnant de données enregistrées, tandis que des modèles comme Claude d’Anthropic se veulent plus respectueux de la vie privée.

Ces chiffres montrent l’importance de lire attentivement les politiques de confidentialité avant d’utiliser un chatbot IA et de privilégier les solutions offrant plus de transparence et de contrôle sur les données personnelles.

Risques liés à l’utilisation des chatbots IA

Fuites de données sensibles

L’interaction avec des chatbots peut entraîner la divulgation involontaire d’informations sensibles. Par exemple, des employés ont utilisé des chatbots pour rédiger des courriels ou analyser des données, partageant ainsi des informations confidentielles sans autorisation préalable. Ce phénomène, connu sous le nom de « Shadow AI », peut compromettre la sécurité des données de l’entreprise et enfreindre les réglementations en vigueur.

Utilisation malveillante

Les chatbots IA peuvent être détournés à des fins malveillantes. Des cas ont été signalés où des individus ont utilisé des chatbots pour harceler ou manipuler d’autres personnes. Par exemple, un homme a utilisé des chatbots pour usurper l’identité d’une professeure et attirer des inconnus à son domicile, illustrant ainsi les dangers potentiels de ces technologies lorsqu’elles sont utilisées de manière abusive.

Atteinte à la vie privée

Les assistants vocaux, tels que Siri, ont été critiqués pour des enregistrements non autorisés de conversations privées. En 2019, il a été révélé que Siri enregistrait des discussions confidentielles, qui étaient ensuite écoutées par des employés sans le consentement des utilisateurs, soulevant des préoccupations majeures en matière de confidentialité.

Mesures pour protéger votre confidentialité

Sensibilisation et prudence

Il est essentiel d’être conscient des informations que vous partagez avec les chatbots. Évitez de divulguer des données sensibles, telles que des informations financières, des plans de voyage ou des détails personnels, qui pourraient être exploitées par des tiers malveillants.

Vérification des politiques de confidentialité

Avant d’utiliser un chatbot, examinez attentivement sa politique de confidentialité pour comprendre quelles données sont collectées et comment elles sont utilisées. Privilégiez les applications qui offrent des options de contrôle sur vos informations personnelles et qui ne partagent pas vos données avec des tiers sans votre consentement.

Utilisation de solutions de sécurité

Envisagez d’utiliser des outils de sécurité, tels que des réseaux privés virtuels (VPN), pour protéger votre identité en ligne et réduire les risques liés à la collecte de données par des chatbots.

Cadre réglementaire et initiatives éthiques

Face aux défis posés par les chatbots IA, des initiatives ont été mises en place pour encadrer leur utilisation et protéger les utilisateurs.

Règlement sur l’intelligence artificielle de l’Union européenne

L’Union européenne a adopté le Règlement sur l’intelligence artificielle, visant à établir un cadre juridique harmonisé pour l’IA. Ce règlement classe les applications d’IA en fonction de leur niveau de risque et impose des obligations spécifiques pour assurer la transparence et la sécurité des systèmes à haut risque.

Principes éthiques et recommandations

Des organisations internationales, comme l’UNESCO, ont publié des recommandations sur l’éthique de l’intelligence artificielle, mettant en avant des valeurs telles que le respect des droits de l’homme, la protection de la vie privée et la promotion de la diversité. Ces directives encouragent les développeurs et les entreprises à intégrer des considérations éthiques dans la conception et le déploiement des systèmes d’IA.

Conclusion

Les chatbots IA offrent des avantages indéniables en termes d’efficacité et d’accessibilité. Cependant, leur utilisation comporte des risques pour la confidentialité des données. En tant qu’utilisateurs, il est crucial d’adopter une approche proactive pour protéger nos informations personnelles. Cela inclut une utilisation prudente des chatbots, une compréhension approfondie de leurs politiques de confidentialité et l’adoption de mesures de sécurité appropriées. Parallèlement, les entreprises et les régulateurs doivent collaborer pour établir des normes éthiques et des cadres juridiques solides, garantissant que l’innovation technologique respecte les droits fondamentaux et la vie privée des individus.

Sources :

De l’automobile à l’intelligence artificielle : un modèle d’innovation et de création d’emplois

L’évolution de notre économie est jalonnée par des innovations qui transforment radicalement le marché du travail et créent de nouvelles opportunités. L’exemple de l’automobile au début du XXᵉ siècle illustre parfaitement ce phénomène de destruction créatrice. Aujourd’hui, alors que l’intelligence artificielle (IA) s’apprête à bouleverser nos modes de vie, nombreux sont ceux qui redoutent la disparition d’emplois. Pourtant, à l’image d’une personne découvrant une voiture en 1920 – incapable d’imaginer les nouveaux métiers, services et industries qu’elle allait engendrer – nous ne pouvons qu’entrevoir l’immense potentiel créateur de l’IA.

L’impact révolutionnaire de l’automobile sur l’emploi

Avant l’automobile : un monde centré sur la traction animale

Avant l’avènement de l’automobile, la mobilité reposait principalement sur la traction animale. Dans les grandes villes, un véritable écosystème s’articulait autour de l’entretien et de l’exploitation des chevaux : cochers, maréchaux-ferrants, écuries, et ateliers spécialisés en équipements pour animaux constituaient l’ossature d’un marché florissant. Toutefois, ce système présentait d’importantes limites en termes de capacité, de coût et de salubrité urbaine.

La naissance de l’automobile et ses transformations économiques

L’invention de l’automobile – popularisée par des innovations telles que la Ford Model T – a bouleversé ce modèle. La production en série et l’introduction des chaînes de montage ont permis de démocratiser l’accès aux véhicules motorisés, entraînant ainsi plusieurs effets majeurs :

  • Création d’emplois directs : Des milliers d’ouvriers ont été embauchés dans la production, l’assemblage et la maintenance des véhicules dans d’immenses usines.
  • Naissance de nouveaux métiers : Ingénieurs, designers, spécialistes en marketing et experts en logistique ont émergé pour accompagner cette transformation industrielle.
  • Effets multiplicateurs étendus :
    • Industries connexes : L’automobile a dynamisé la sidérurgie, la plasturgie, l’extraction et le raffinage du pétrole, ainsi que l’électrification progressive du transport.
    • Loisirs et culture : L’accès facilité aux véhicules a favorisé le développement de nouvelles formes de loisirs (cinémas drive-in, parcs d’attractions, voyages sur la route) et a contribué à la montée en puissance de la culture automobile.
    • Urbanisme et infrastructures : La généralisation de la voiture a rendu possible la naissance des banlieues et la construction d’autoroutes, de ponts, et de centres commerciaux, transformant durablement l’aménagement des villes et la qualité de vie des habitants.

Ce que l’on peut remarquer, c’est que, tout comme l’automobile a engendré des transformations que personne n’aurait pu prévoir en 1920, l’arrivée de l’IA est susceptible de créer des métiers et services encore inimaginables aujourd’hui.

Le parallèle avec l’intelligence artificielle

Un futur aussi imprévisible que révolutionnaire

Face à l’essor de l’intelligence artificielle, le débat sur la suppression ou la création d’emplois est intense. Cependant, en nous appuyant sur l’histoire de l’automobile, nous pouvons envisager l’IA sous un jour résolument optimiste :

  • Réorganisation du travail : Tout comme la transition de la traction animale à l’automobile a conduit à la disparition de métiers traditionnels pour en faire émerger de nouveaux, l’IA devrait transformer en profondeur notre façon de travailler. Des tâches répétitives seront automatisées, libérant ainsi la créativité et la capacité d’innovation humaine.
  • Création de nouveaux secteurs : À l’image des effets multiplicateurs de l’automobile qui ont vu naître des centres commerciaux, des banlieues et des espaces de loisirs, l’IA pourrait favoriser l’émergence de secteurs aujourd’hui encore insoupçonnés, allant de nouvelles industries de services à des domaines entièrement inédits.
  • Importance de l’accompagnement : Comme lors de la révolution automobile, la réussite de cette transformation dépendra de notre capacité à investir dans la formation, la reconversion professionnelle et l’innovation. Les politiques publiques et les entreprises devront collaborer pour accompagner cette transition.

Une opportunité à saisir

L’incertitude qui entoure l’impact futur de l’IA doit être perçue non comme une menace, mais comme une opportunité. En observant le chemin parcouru depuis l’arrivée de l’automobile, nous pouvons comprendre que chaque grande innovation ouvre la porte à un monde de possibilités, même si ces possibilités ne sont pas immédiatement apparentes. Tout comme en 1920, lorsqu’une voiture était une curiosité futuriste aux côtés d’animaux de trait, nous ne pouvons qu’imaginer que l’IA va révolutionner nos vies de manière encore plus surprenante.

Conclusion

L’histoire de l’automobile nous offre un modèle inspirant de transformation économique. La disparition progressive de métiers traditionnels a été largement compensée par la création d’un écosystème dynamique et diversifié, qui a engendré des emplois directs et indirects, ainsi que des innovations en urbanisme, loisirs et infrastructures. En établissant un parallèle avec l’intelligence artificielle, nous pouvons affirmer que, tout comme la voiture a ouvert des horizons insoupçonnés en 1920, l’IA recèle un potentiel extraordinaire pour créer des emplois et transformer notre quotidien de manière positive. Il reste désormais à accompagner cette transition par des investissements en formation et en innovation, afin de saisir toutes les opportunités que nous réserve l’avenir.

Vous souhaitez en savoir + :


Sources

L’Intelligence Artificielle révolutionne-t-elle le dialogue social en France ?

Introduction

Dans un monde professionnel en constante mutation, l’intelligence artificielle s’impose comme un acteur incontournable. Pourtant, son intégration dans le dialogue social français reste timide. Sur les 285 421 accords d’entreprise conclus entre 2017 et 2024, à peine 0,1 % mentionnent explicitement l’IA. Ce chiffre étonnamment bas révèle un paradoxe : alors que les algorithmes transforment déjà nos méthodes de travail, les négociations collectives peinent à s’emparer du sujet. Plongée dans un enjeu crucial pour l’avenir du travail en France.

Une Prise de Conscience Progressive

Des Cadres Juridiques en Évolution

La loi Auroux de 1982 avait posé les jalons d’un droit à l’information des représentants du personnel face aux nouvelles technologies. Quarante ans plus tard, ce texte visionnaire montre pourtant ses limites face à la complexité des systèmes d’IA. Comment appréhender l’impact d’un algorithme de machine learning quand sa logique même échappe parfois à ses concepteurs ?

L’accord-cadre européen sur la numérisation signé en 2020 représente une avancée significative. Il promeut une approche centrée sur l’humain et insiste sur l’importance d’évaluations d’impact préalables. En France, sa transposition reste cependant partielle, laissant un vide que certains secteurs commencent à combler par leurs propres initiatives.

Des Réalités Sectorielles Contrastées

Chaque secteur développe sa propre approche face à l’IA, reflétant des préoccupations spécifiques.

Dans l’assurance et la banque, la crainte de la substitution domine. Les syndicats alertent sur les risques de suppression massive de postes administratifs. Un tiers des accords mentionnant l’IA dans ce secteur concerne la gestion prévisionnelle des emplois et compétences (GPEC), signe d’une inquiétude palpable.

L’industrie manufacturière perçoit l’IA comme une extension naturelle de l’automatisation. Les accords y mettent l’accent sur l’ergonomie des interfaces homme-machine et la certification des compétences numériques. Loin d’être redoutée, l’IA y est vue comme un outil d’augmentation de la productivité.

Le secteur tech, quant à lui, utilise l’IA comme argument d’attractivité dans la guerre des talents. On y trouve des clauses innovantes comme le « droit à l’expérimentation technologique » pour les salariés ou des comités paritaires d’éthique algorithmique. Ces éléments deviennent des arguments RH pour attirer les profils les plus qualifiés.

Les 3 Défis Majeurs du Dialogue Social face à l’IA

1. Combler l’Asymétrie d’Expertise

Le premier obstacle au dialogue social sur l’IA est l’inégalité des armes. Seuls 12 % des CSE en PME disposent des ressources suffisantes pour évaluer l’impact réel des systèmes d’IA sur les conditions de travail. Comment négocier ce qu’on ne comprend pas pleinement ?

C’est dans ce contexte qu’est né le projet Dial-IA, porté par l’IRES avec le soutien de l’ANACT. Pendant 18 mois, 50 acteurs syndicaux, patronaux et chercheurs ont élaboré des outils pratiques : un manifeste pour des usages responsables de l’IA, un kit méthodologique de négociation, et une base de données collaborative des cas d’usage sectoriels.

Ce kit propose notamment une grille d’analyse des risques algorithmiques inspirée du RGPD, permettant aux représentants du personnel d’auditer les systèmes déployés dans leur entreprise.

2. Former Massivement les Travailleurs

Le Baromètre ANACT 2024 révèle une réalité préoccupante : moins de 15 % des salariés comprennent réellement les systèmes d’IA qui impactent leur travail quotidien. Cette méconnaissance génère anxiété et résistance au changement.

Les accords les plus innovants intègrent désormais des dispositions ambitieuses :

  • Former 100 % des salariés aux bases de l’IA d’ici 2027
  • Créer des référents IA dans chaque instance représentative du personnel
  • Développer des parcours de formation personnalisés utilisant la réalité virtuelle
  • Mettre en place des « laboratoires d’innovation » où salariés et ingénieurs co-conçoivent les outils

3. Créer une Gouvernance Éthique Partagée

L’opacité des systèmes d’IA représente un défi majeur pour le dialogue social. Certaines entreprises pionnières ont instauré des mécanismes novateurs comme le droit de veto suspensif des CSE sur les algorithmes à « risque éthique élevé », l’obligation de transparence algorithmique renforcée, ou encore des comités de suivi pluriannuels avec participation d’experts indépendants.

La gestion des données personnelles émerge comme un nouveau champ de négociation. Plus des deux tiers des accords spécifiques à l’IA contiennent des clauses sur l’anonymisation des données de performance individuelle, l’interdiction des systèmes de scoring comportemental, ou le droit à l’explication des décisions algorithmiques.

5 Solutions Concrètes à Mettre en Œuvre

Face à ces défis, cinq pistes d’action se dégagent pour un dialogue social adapté à l’ère de l’IA :

1. Créer des Observatoires Sectoriels

Sur le modèle allemand, ces structures permettraient de cartographier en temps réel les impacts de l’IA sur les métiers et d’anticiper les besoins en reconversion. Ils pourraient être pilotés paritairement et alimenter une base de données nationale accessible à tous les acteurs sociaux.

2. Généraliser les Comités d’Éthique Algorithmique

Orange a ouvert la voie avec un comité où syndicats et data scientists évaluent ensemble les risques sociaux des projets d’IA. Cette approche pourrait être généralisée et rendue obligatoire pour les projets dépassant un certain seuil d’investissement.

3. Instaurer un Fonds National IA

Ce mécanisme de solidarité financerait la reconversion professionnelle dans les secteurs les plus vulnérables à l’automatisation (assurance, banque, logistique). Alimenté par une contribution des entreprises proportionnelle à leurs investissements en IA, il garantirait une transition juste.

4. Adapter le Droit à l’Expertise

La législation actuelle montre ses limites face aux systèmes auto-apprenants. Une extension du droit à l’expertise pour les CSE, avec des délais adaptés à la complexité technique des projets d’IA, renforcerait l’équilibre du dialogue social.

5. Développer l’IA Explicable

Les partenaires sociaux pourraient exiger des éditeurs de solutions d’IA des interfaces décisionnelles transparentes, permettant de comprendre la logique sous-jacente aux recommandations algorithmiques. Cette « ouverture du capot » constituerait un prérequis à tout déploiement en entreprise.

L’Horizon 2030 : Trois Scénarios Possibles

Scénario 1 : La Co-Construction

Dans ce futur optimiste, syndicats et employeurs développent conjointement des IA « socialement responsables ». Les gains de productivité sont équitablement partagés via des accords d’intéressement spécifiques. Les CSE participent activement à la conception des systèmes, garantissant leur acceptabilité. Un accord national interprofessionnel pose les bases d’une gouvernance partagée de l’IA.

Scénario 2 : La Fracture Technologique

Les grandes entreprises s’arrogent l’expertise, creusant le fossé avec les PME. L’IA renforce les inégalités territoriales et sociales. Les syndicats, dépassés techniquement, se replient sur une posture défensive. La régulation intervient trop tard pour corriger les déséquilibres. Ce scénario « à l’américaine » voit émerger une société à deux vitesses.

Scénario 3 : Le Big Brother Syndical

Face aux excès de surveillance algorithmique, une réaction massive s’organise. Les syndicats adoptent une stratégie de refus systématique, bloquant l’innovation. Les entreprises délocalisant vers des pays moins restrictifs, la France perd en compétitivité. Ce rejet collectif des nouvelles technologies conduit à un statu quo préjudiciable à tous.

Conclusion : Vers un Nouveau Contrat Social Numérique

L’IA n’est pas qu’un enjeu technique – elle questionne fondamentalement notre conception du travail et de la protection sociale. Les initiatives comme Dial-IA montrent qu’une autre voie est possible entre techno-enthousiasme aveugle et refus dogmatique.

La France, forte de sa tradition de dialogue social, pourrait devenir pionnière d’une « IA à la française » – éthique, inclusive et co-construite. Mais cela suppose une évolution profonde des pratiques : passer d’une logique de consultation après-coup à une véritable élaboration conjointe des systèmes.

L’enjeu est de taille : faire de l’IA non pas un outil de disruption sociale, mais un accélérateur de progrès partagé. Aux partenaires sociaux de s’emparer de ce défi pour écrire ensemble le futur du travail.

Et vous, votre entreprise a-t-elle déjà entamé ce dialogue sur l’IA ? Partagez votre expérience en commentaires !

Sources :

Les 20 métiers que ChatGPT remplacera

Voici ci-dessous un tableau récapitulatif présentant 20 métiers pour lesquels une évolution – voire une automatisation – est envisagée par plusieurs experts. Les probabilités indiquées ne sont que des estimations, car elles dépendent de la rapidité d’adoption des technologies, des évolutions réglementaires et des spécificités des secteurs.

MétierPourquoi/Comment ChatGPT peut le remplacerProbabilité
Support clientRéponses automatisées par chatbots capables de traiter des questions fréquentes80%
Rédacteur de contenuGénération de textes, articles et descriptions produits automatiquement70%
TraducteurTraductions instantanées et amélioration continue de la qualité linguistique60%
Journaliste de baseRédaction de brèves, rapports et résumés d’actualités simples50%
Assistant administratifGestion des emails, prise de rendez-vous et organisation de tâches via l’automatisation70%
Copywriter publicitaireCréation de slogans et textes marketing à partir de modèles prédéfinis70%
Gestionnaire de réseaux sociauxPlanification et rédaction de posts ainsi que modération de commentaires automatisés60%
Conseiller juridique de baseFourniture d’informations juridiques de base sans expertise pointue (décharge de tâches répétitives)40%
Analyste de donnéesSynthèse de rapports et interprétation de données simples par traitement du langage50%
Programmateur débutantGénération d’extraits de code pour tâches simples (bien que la programmation avancée reste complexe)30%
Tuteur en ligneAssistance pédagogique pour explications et corrections de notions simples40%
Gestionnaire de contenu webRédaction optimisée pour le SEO et création automatique de contenus web60%
Analyste en veille stratégiqueSynthèse d’informations issues de multiples sources et mise en forme d’analyses50%
Correcteur orthographiqueRelecture et correction de textes via des algorithmes de traitement du langage80%
Concepteur de FAQCréation et mise à jour automatique de bases de questions/réponses pour sites web80%
Opérateur de saisieAutomatisation complète de la saisie de données grâce à la reconnaissance de texte90%
Répondeur téléphonique virtuelGestion des appels entrants par des systèmes de réponse automatisée par IA70%
Consultant en marketing digitalAnalyse de données marketing et recommandations automatisées sur la base d’algorithmes40%
Animateur de forum/modérateurModération et réponses automatiques dans des espaces de discussion en ligne70%
Coach en développement personnelConseils généraux et suggestions basées sur des modèles d’apprentissage automatisés30%

Analyse détaillée du tableau

1. Support client
Les chatbots basés sur des modèles de langage permettent déjà aujourd’hui de répondre à une grande majorité des demandes clients (FAQ, suivi de commandes, etc.). Plusieurs études sur l’automatisation indiquent que ce domaine est particulièrement sensible à la digitalisation, avec une probabilité estimée autour de 80 % pour les tâches répétitives (cf. , ).

2. Rédacteur de contenu
La capacité de générer du texte de manière fluide et cohérente rend possible la production automatique d’articles, de descriptions de produits ou de billets de blog. Des analyses montrent que de nombreux contenus de base pourraient être automatisés, avec des estimations avoisinant 70 % de risque d’automatisation pour ces tâches répétitives ou standards (cf. ).

3. Traducteur
Même si la traduction humaine demeure nécessaire pour des documents de haute précision ou des contextes nuancés, la traduction automatique – déjà largement utilisée – devrait se perfectionner grâce à l’IA. La probabilité de remplacement est estimée à environ 60 %, notamment pour des traductions de documents standards.

4. Journaliste de base
La rédaction de communiqués de presse, de rapports ou de résumés d’actualités simples peut être largement automatisée. Bien sûr, le journalisme d’investigation ou l’analyse approfondie nécessite toujours une intervention humaine, mais pour des textes plus routiniers, la probabilité d’automatisation est d’environ 50 %.

5. Assistant administratif
La gestion des emails, la planification de rendez-vous et la coordination de tâches répétitives se prêtent bien à l’automatisation. ChatGPT et ses dérivés peuvent offrir une assistance efficace dans ce domaine, avec une probabilité d’automatisation estimée à 70 %.

6. Copywriter publicitaire
Même si la créativité humaine reste primordiale dans la publicité, la génération automatique de textes publicitaires à partir de modèles prédéfinis est en progression. L’automatisation pourrait couvrir jusqu’à 70 % des tâches plus standards de copywriting.

7. Gestionnaire de réseaux sociaux
La rédaction et la programmation de posts, ainsi que la modération de commentaires, peuvent être partiellement automatisées par des outils d’IA. La tendance est d’envisager un taux d’automatisation autour de 60 % pour les tâches routinières.

8. Conseiller juridique de base
Les outils d’IA peuvent fournir des informations juridiques standardisées (données de droit commun, explications de procédures simples), même si le conseil juridique personnalisé demeure l’apanage des professionnels. La probabilité d’automatisation de ces tâches est évaluée à environ 40 %.

9. Analyste de données
Pour des analyses basiques et la synthèse de rapports, des modèles de langage peuvent aider à interpréter des jeux de données simples et produire des comptes rendus. Ici, on estime une probabilité de 50 %, tout en sachant que l’analyse poussée et l’interprétation critique nécessiteront toujours l’intervention humaine.

10. Programmateur débutant
Des modèles comme ChatGPT peuvent générer des extraits de code pour des tâches simples ou proposer des solutions à des problèmes de programmation courants. Cependant, la programmation complexe et la conception d’architectures logicielles restent très dépendantes de l’expertise humaine, d’où une probabilité d’automatisation relativement plus faible (environ 30 %).

11. Tuteur en ligne
En apportant des explications sur des notions simples et en répondant à des questions de base, ChatGPT peut agir comme un tuteur virtuel. Néanmoins, l’accompagnement personnalisé et la pédagogie nuancée restent difficiles à automatiser complètement, avec une probabilité estimée à 40 %.

12. Gestionnaire de contenu web
La création et l’optimisation de contenus pour le web (articles optimisés SEO, mises à jour de sites) peuvent bénéficier de l’automatisation grâce à des outils d’IA, avec une probabilité d’automatisation d’environ 60 % pour des tâches standardisées.

13. Analyste en veille stratégique
La collecte et la synthèse d’informations provenant de diverses sources sont des tâches que l’IA peut accélérer, même si la contextualisation et l’interprétation fine restent partiellement humaines. La probabilité est ici autour de 50 %.

14. Correcteur orthographique
Les logiciels de correction orthographique et grammaticale se perfectionnent constamment. ChatGPT peut déjà détecter et corriger de nombreuses erreurs, ce qui place ce métier dans une zone d’automatisation potentiellement très élevée (80 %).

15. Concepteur de FAQ
La création et la mise à jour de bases de questions/réponses pour des sites web ou des services en ligne peuvent être entièrement automatisées. Une probabilité élevée de 80 % est envisageable pour ces tâches.

16. Opérateur de saisie
La saisie de données est depuis longtemps un domaine propice à l’automatisation. Grâce à la reconnaissance de texte et à l’extraction d’informations, la probabilité de remplacement est très élevée, aux alentours de 90 %.

17. Répondeur téléphonique virtuel
Les systèmes de réponse vocale automatisée, améliorés par des modèles de langage, peuvent gérer les appels entrants et fournir des réponses adaptées. On estime ici une probabilité de 70 %.

18. Consultant en marketing digital
Bien que le marketing digital requière une vision stratégique, certaines tâches – comme l’analyse de données ou la génération de recommandations à partir de modèles prédictifs – peuvent être automatisées. La probabilité d’automatisation est ici plus modérée (40 %).

19. Animateur de forum/modérateur
La modération automatique des commentaires et des publications sur des forums ou réseaux sociaux est déjà en cours de développement. On estime une probabilité d’automatisation autour de 70 % pour les tâches de base, même si la gestion des cas complexes nécessitera toujours un humain.

20. Coach en développement personnel
L’IA peut fournir des conseils généraux basés sur l’analyse de données et des modèles comportementaux, mais le coaching personnalisé requiert une écoute et une empathie difficilement programmables. La probabilité est donc moindre, environ 30 %.

Le futur de l’emploi à l’ère de l’intelligence artificielle : défis, opportunités et transformation du travail

Depuis plusieurs décennies, l’évolution technologique modifie profondément nos façons de travailler. L’arrivée de l’intelligence artificielle (IA) générative et des systèmes d’automatisation avancés soulève de nombreuses interrogations sur l’avenir de l’emploi. Des études pionnières, telles que celle de Frey et Osborne (2013) qui estime qu’environ 47 % des emplois pourraient être « à risque » de computerisation , jusqu’aux récentes analyses sectorielles de McKinsey et aux rapports de l’OCDE, la question n’est plus de savoir si l’IA transformera le travail, mais comment et dans quelles proportions.

1. Contexte historique et évolution technologique

1.1 Des premières révolutions industrielles à l’ère numérique

Historiquement, les grandes révolutions industrielles – de la mécanisation au développement de l’informatique – ont toujours provoqué d’importants bouleversements sur le marché du travail. Chaque transformation technologique a entraîné la disparition de certains métiers, tout en créant de nouveaux secteurs d’activité. La révolution numérique et l’automatisation ont, par exemple, déjà transformé des fonctions administratives, manufacturières ou de service.

1.2 La prédiction de Frey et Osborne et ses limites

L’étude de Frey et Osborne, publiée en 2013, a marqué un tournant en mettant en évidence la vulnérabilité de nombreux emplois aux avancées de la computerisation. Bien que souvent interprétée comme une prophétie d’un chômage technologique massif, l’analyse précise que la substitution concerne principalement des tâches routinières et que le risque varie fortement selon le secteur et le niveau de qualification. Des recherches ultérieures, comme celle de Stephany et Lorenz, montrent que la méthodologie de modélisation et le choix des paramètres influencent grandement les prévisions d’automatisation.

2. L’impact de l’intelligence artificielle sur le marché du travail

2.1 Substitution, augmentation et transformation des tâches

L’IA peut agir sur le marché de l’emploi de trois manières complémentaires :

  • Substitution des tâches routinières
    Les systèmes d’IA et d’automatisation remplacent des tâches répétitives ou prévisibles. Par exemple, des chatbots et systèmes de reconnaissance vocale peuvent désormais prendre en charge le support client ou la saisie de données. Des études indiquent qu’environ 30 à 45 % des tâches dans certaines fonctions pourraient être automatisées.
  • Augmentation de la productivité
    L’IA, plutôt que de remplacer l’humain, peut le compléter en automatisant des parties d’un processus, permettant ainsi aux travailleurs de se concentrer sur des tâches à plus forte valeur ajoutée. Par exemple, dans le domaine de la traduction ou de la rédaction de contenu, l’IA génère un premier jet que l’humain affine ensuite.
  • Transformation des métiers
    Au-delà de la simple substitution ou augmentation, l’IA induit une transformation complète des métiers. Des fonctions émergent, nécessitant de nouvelles compétences, comme la gestion des systèmes d’IA, la maintenance de robots ou le développement de solutions d’intelligence augmentée. Ce processus, souvent qualifié de « destruction créatrice », crée de nouveaux emplois même lorsque certains anciens disparaissent.

2.2 Les secteurs les plus affectés

Les études de McKinsey et de l’ILO montrent que certains secteurs sont particulièrement exposés :

  • Services administratifs et support : Les tâches de saisie, de traitement d’information et de support client sont hautement automatisables.
  • Industries manufacturières et logistiques : La robotisation et l’automatisation de la production transforment les chaînes d’assemblage et la gestion des stocks.
  • Secteurs tertiaires : Dans la rédaction de contenus, la traduction et même la production d’analyses de données, l’IA tend à jouer un rôle de plus en plus important.

Cependant, des métiers demandant de la créativité, de l’empathie ou une forte dextérité manuelle – par exemple dans la santé, l’éducation ou l’artisanat – restent pour l’instant moins vulnérables à l’automatisation.

3. Approches méthodologiques et études de cas

3.1 Méthodologies d’estimation du risque d’automatisation

Les méthodes pour estimer le risque de substitution des emplois varient considérablement. Certaines études s’appuient sur des évaluations par des experts, comme celle de Frey et Osborne, tandis que d’autres utilisent des approches basées sur l’analyse des tâches et des données d’emploi (par exemple, les travaux de l’ILO). L’approche par la segmentation des tâches permet de distinguer la part d’un emploi susceptible d’être automatisée de celle nécessitant une intervention humaine.

3.2 Exemples de transformation sectorielle

  • Support client et assistants administratifs : Des systèmes automatisés et des chatbots améliorés par des IA de nouvelle génération remplacent progressivement les fonctions de support, tout en créant de nouveaux rôles pour superviser ces systèmes.
  • Rédaction et traduction : Les outils d’IA permettent la génération automatique de contenu, ce qui modifie le rôle des rédacteurs qui se concentrent désormais sur la vérification et l’enrichissement du contenu.
  • Industries de la production : La robotisation en usine, associée à des systèmes d’IA pour la maintenance prédictive, redéfinit l’emploi dans le secteur manufacturier, nécessitant des compétences techniques accrues.

Ces cas illustrent que la transformation ne se limite pas à la disparition d’emplois, mais implique également une évolution des compétences et des missions.

4. Enjeux de la formation et politiques publiques

4.1 La nécessité du reskilling et de l’upskilling

Face aux transformations induites par l’IA, la formation continue devient cruciale. Selon un rapport de l’OCDE, une part significative des emplois dans les pays développés pourrait être transformée, nécessitant une réorientation des compétences. Les politiques de reskilling (reconversion) et d’upskilling (montée en compétences) doivent être mises en œuvre par les entreprises, en collaboration avec les pouvoirs publics, afin d’accompagner les travailleurs dans cette transition.

4.2 Adaptation des systèmes éducatifs

L’éducation doit également se réinventer pour préparer les jeunes aux métiers de demain. La mise en place de programmes favorisant la pensée critique, la créativité, la collaboration et la maîtrise des outils numériques est essentielle. Les initiatives de « slow journalism » et de formats narratifs longs, par exemple, contribuent à développer la capacité à raisonner en profondeur, en contrebalançant l’effet des réseaux sociaux sur l’attention.

4.3 Politiques publiques et régulation

Les gouvernements ont un rôle déterminant à jouer pour assurer une transition juste et équitable. Il s’agit notamment de :

  • Financer des programmes de formation adaptés.
  • Mettre en place des mécanismes de protection sociale pour les travailleurs dont les emplois se transforment ou disparaissent.
  • Encourager la collaboration entre le secteur privé, les institutions éducatives et les organisations syndicales pour anticiper les besoins futurs.

Des initiatives européennes, comme celles menées par l’OCDE et l’UE, visent à promouvoir une « économie du XXIe siècle » où l’IA ne serait pas synonyme de perte d’emplois, mais de transformation qualitative des métiers.

5. Scénarios futurs et perspectives

5.1 Scénario optimiste : L’IA comme levier de création d’emplois

Dans un scénario optimiste, l’IA permettrait d’automatiser les tâches les plus répétitives et pénibles, libérant ainsi du temps pour des activités à forte valeur ajoutée. Des études du Forum économique mondial indiquent que l’IA et les technologies émergentes pourraient générer des dizaines de millions de nouveaux emplois dans des domaines tels que l’analyse de données, la cybersécurité ou le développement logiciel. Dans ce contexte, l’IA servirait d’outil d’augmentation des compétences humaines et de stimulation de la productivité.

5.2 Scénario pessimiste : Une polarisation accrue du marché du travail

À l’inverse, certains experts mettent en garde contre un risque de polarisation, avec la disparition d’emplois intermédiaires et la concentration d’emplois très qualifiés d’un côté et d’emplois peu qualifiés de l’autre. Ce scénario, parfois qualifié d’ « économie sablier », impliquerait que les travailleurs peu qualifiés subissent de fortes pressions, tandis que les profils hautement spécialisés voient leurs rémunérations et leur reconnaissance augmenter.

5.3 Un avenir hybride et la transformation des compétences

La réalité pourrait être plus nuancée, avec une coexistence d’effets de substitution et d’augmentation. L’IA transformerait les métiers plutôt que de les éliminer entièrement. Cette transformation demanderait aux travailleurs de développer des compétences « humaines » – créativité, empathie, résolution de problèmes complexes – qui restent difficiles à automatiser. Par ailleurs, le rôle de l’IA en tant qu’outil collaboratif offrirait des opportunités inédites pour repenser l’organisation du travail et favoriser l’innovation.

Conclusion

Le futur de l’emploi à l’ère de l’intelligence artificielle s’annonce complexe et multifacette. Si l’automatisation des tâches répétitives et routinières est bien réelle, l’IA offre également la possibilité d’augmenter la productivité et de transformer les métiers en libérant du temps pour des activités à forte valeur ajoutée. Pour que cette transition soit bénéfique, il est essentiel de repenser les systèmes éducatifs, de mettre en œuvre des politiques publiques de formation et de protection sociale, et d’encourager une régulation adaptée des technologies. Le défi consiste ainsi à transformer les risques en opportunités, en faisant de l’IA un levier d’innovation et d’amélioration de la qualité de vie au travail.

En somme, l’IA ne doit pas être perçue uniquement comme une menace, mais comme un catalyseur de transformation sociale et économique, à condition que les acteurs – gouvernements, entreprises et individus – s’adaptent et investissent dans les compétences de demain.


Références

  1. Frey, C. B., & Osborne, M. A. (2013). The future of employment: How susceptible are jobs to computerisation? oms-www.files.svdcdn.com
  2. McKinsey Global Institute. Jobs lost, jobs gained: What the future of work will mean for jobs, skills, and wages. mckinsey.com
  3. Rapport « Superagency in the workplace: Empowering people to unlock AI’s full potential » – McKinsey, 2025 mckinsey.com
  4. Étude OCDE sur l’automatisation et l’impact sur l’emploi mercato-emploi.com
  5. ILO Working Paper 96 – Generative AI and jobs: A global analysis of potential effects on job quantity and quality, 2023 ilo.org
  6. Article « L’Humain vs l’IA : L’avenir de l’emploi » – Mercato de l’Emploi, 2024 mercato-emploi.com
  7. Article du Monde sur l’impact de l’IA sur nos capacités cognitives et la polarisation sociale, 2024 lemonde.fr
  8. Informations sur Carl Benedikt Frey (Wikipedia) en.wikipedia.org
  9. « The Future of Employment Revisited » – arXiv, 2021 arxiv.org

L’IA transforme l’apprentissage dans les écoles nigérianes : un bond en avant vers l’équité et l’excellence

Dans le paysage en constante évolution de l’éducation, l’intelligence artificielle est apparue comme une force de transformation, remodelant les méthodes d’enseignement et les expériences d’apprentissage du monde entier. Au Nigéria, un pays confronté à des défis éducatifs uniques tels que les classes surpeuplées, la pénurie d’enseignants et les ressources limitées, l’IA offre une lueur d’espoir.

Un programme pilote révolutionnaire au Nigéria :

Un programme pilote récent mené dans l’État d’Edo, au Nigéria, a mis en évidence le potentiel remarquable de l’IA générative pour améliorer les résultats d’apprentissage. Le programme, qui s’est déroulé de juin à juillet 2024, a impliqué 800 élèves de première année du secondaire qui ont participé à des cours d’anglais parascolaires en utilisant Microsoft Copilot, un outil d’IA générative alimenté par ChatGPT. Les enseignants ont joué le rôle de guides, initiant des sujets et encadrant les interactions des élèves avec l’IA.

Les résultats de l’évaluation randomisée ont été étonnants. Les élèves qui ont participé au programme ont surpassé de manière significative leurs pairs dans trois domaines clés : l’anglais (objectif principal du programme), la connaissance de l’IA et les compétences numériques. Plus important encore, les avantages se sont étendus au-delà du programme lui-même, les participants obtenant de meilleurs résultats aux examens de fin d’année dans d’autres matières. Cela suggère que l’IA n’a pas seulement aidé les élèves à absorber du contenu, mais leur a aussi appris à apprendre, en leur donnant les moyens d’explorer et de maîtriser d’autres sujets de manière indépendante.

Avantages de l’IA dans l’éducation au Nigéria :

Les conclusions du programme pilote mettent en évidence de nombreux avantages potentiels de l’intégration de l’IA dans le système éducatif nigérian :

  • Apprentissage personnalisé : les algorithmes d’IA peuvent analyser les forces, les faiblesses et les styles d’apprentissage des élèves afin de créer des parcours d’apprentissage personnalisés. Cette approche individualisée permet aux élèves de saisir les concepts plus efficacement et à leur propre rythme, ce qui améliore le rendement scolaire. Dans un pays où les classes surpeuplées rendent difficile la prise en compte des besoins individuels des élèves par les enseignants, l’IA peut fournir une assistance individualisée à chaque élève.
  • Tutorat intelligent: les systèmes de tutorat intelligent basés sur l’IA peuvent fournir aux élèves des conseils et des commentaires personnalisés, s’adapter à leur rythme d’apprentissage et les aider à saisir les concepts plus efficacement. Ces systèmes peuvent simuler des interactions de type humain, rendant l’apprentissage plus attrayant et interactif. Pour les élèves des régions éloignées ou mal desservies où les enseignants qualifiés sont rares, les tuteurs d’IA peuvent donner accès à un enseignement de qualité.
  • Accès accru à l’éducation : les salles de classe virtuelles basées sur l’IA peuvent permettre aux élèves de participer à des possibilités d’apprentissage à distance, en particulier dans les zones où les salles de classe traditionnelles ne sont pas accessibles. Ces environnements virtuels peuvent reproduire des expériences de classe réelles avec des fonctions interactives et des outils de collaboration. L’IA peut également fournir un accès 24 h/24 et 7 j/7 aux ressources éducatives, permettant aux élèves d’apprendre à tout moment et en tout lieu.
  • Amélioration des méthodes d’enseignement : l’IA peut donner aux enseignants accès à une pléthore d’outils et de ressources novateurs pour améliorer leurs méthodes d’enseignement. L’IA peut analyser les schémas d’apprentissage des élèves et fournir des recommandations et des activités personnalisées adaptées à leurs besoins individuels. De plus, l’IA peut automatiser les tâches administratives, libérant ainsi les enseignants pour qu’ils puissent se concentrer sur l’enseignement et l’interaction avec les élèves.
  • Combler les écarts entre les sexes : il est intéressant de noter que le programme pilote au Nigéria a révélé que les filles, qui étaient au départ en retard sur les garçons, semblaient bénéficier encore plus de l’intervention. Cela suggère que l’IA a le potentiel de réduire les inégalités entre les sexes en matière d’apprentissage en offrant aux filles un soutien et des possibilités personnalisés.
  • Efficacité et rentabilité : l’IA peut fournir des solutions rentables pour améliorer les résultats de l’éducation, en particulier dans les pays à faible revenu comme le Nigéria. Les tuteurs d’IA et les salles de classe virtuelles peuvent fournir un enseignement de qualité à une fraction du coût des méthodes traditionnelles. De plus, l’IA peut automatiser les tâches administratives, réduisant ainsi les coûts et améliorant l’efficacité.
  • Amélioration des compétences numériques : En plus d’améliorer les résultats d’apprentissage dans des matières spécifiques, l’IA peut également aider les étudiants à développer des compétences numériques essentielles. Le programme pilote au Nigéria a révélé que les élèves qui ont participé au programme ont amélioré leurs connaissances en IA et leurs compétences numériques. Ces compétences sont de plus en plus importantes dans le monde actuel axé sur le numérique, et les étudiants qui possèdent ces compétences seront mieux placés pour réussir sur le marché du travail.

Statistiques et exemples :

  • L’étude nigériane a révélé que les élèves qui utilisaient Microsoft Copilot comme tuteur virtuel deux fois par semaine ont réalisé des gains significatifs en anglais et en compétences numériques. Après seulement six semaines, les élèves qui ont participé au programme ont obtenu des résultats supérieurs de 0,3 écart type aux tests sur papier par rapport au groupe témoin, ce qui équivaut à près de deux ans d’apprentissage supplémentaire.
  • Une étude de McKinsey a révélé que l’IA a le potentiel d’améliorer les résultats de l’éducation de 40 % et de réduire les coûts jusqu’à 50 %.
  • Des plateformes d’apprentissage basées sur l’IA telles que Duolingo et Khan Academy connaissent déjà du succès dans le monde entier, offrant des expériences d’apprentissage personnalisées à des millions d’utilisateurs. Ces plateformes peuvent être adaptées au contexte d’un pays pour fournir un enseignement de qualité aux élèves de tout le pays.

Défis et considérations :

Bien que les avantages potentiels de l’IA dans l’éducation soient importants, il est important de reconnaître les défis et les considérations qui doivent être pris en compte :

  • Infrastructure : un accès fiable à l’Internet et une alimentation électrique constante sont essentiels au bon fonctionnement des programmes d’IA et à leur évolutivité. Au Nigéria, où l’accès à l’Internet et l’alimentation électrique sont souvent peu fiables, des efforts doivent être déployés pour améliorer l’infrastructure afin de soutenir l’intégration de l’IA dans l’éducation.
  • Formation des enseignants : les enseignants doivent être formés à l’utilisation efficace des outils d’IA et à leur intégration dans leurs méthodes d’enseignement. La formation des enseignants doit se concentrer sur la façon d’utiliser l’IA pour personnaliser l’apprentissage, fournir des commentaires et suivre les progrès des élèves.
  • Qualité des données et biais : les algorithmes d’IA sont aussi bons que les données sur lesquelles ils sont formés. Il est essentiel de s’assurer que les données utilisées pour former les algorithmes d’IA sont exactes, impartiales et représentatives de la population étudiante diversifiée du Nigéria.
  • Préoccupations éthiques : des préoccupations éthiques telles que la confidentialité des données, la sécurité et le risque de biais doivent être prises en compte lors de l’intégration de l’IA dans l’éducation. Des politiques et des lignes directrices doivent être mises en place pour protéger les droits des élèves et s’assurer que l’IA est utilisée de manière responsable et éthique.
  • Fracture numérique : il est essentiel de s’attaquer à la fracture numérique et de veiller à ce que tous les élèves aient un accès égal aux outils et aux ressources d’IA. Des efforts doivent être déployés pour fournir des appareils et un accès à Internet aux élèves des communautés mal desservies.

L’avenir de l’éducation :

Le programme pilote au Nigéria constitue un exemple prometteur de la façon dont l’IA peut être utilisée pour améliorer les résultats d’apprentissage et promouvoir l’équité dans l’éducation. En continuant d’explorer et d’investir dans les technologies de l’IA, n’importe quel pays peut ouvrir la voie à une transformation mondiale de l’éducation, en permettant à des millions d’étudiants du monde entier de réaliser leur plein potentiel, quels que soient leur origine ou leur situation géographique.

Sources et références :

  1. https://www.thisdaylive.com/index.php/2024/09/29/world-bank-begins-education-programme-on-generative-ai-in-nigeria/
  2. https://www.ictworks.org/genai-advance-learning-outcomes/
  3. https://blogs.worldbank.org/en/education/From-chalkboards-to-chatbots-Transforming-learning-in-Nigeria
  4. https://www.zmescience.com/science/ai-education-nigeria-success/
  5. https://disciplines.ng/ai-in-education-system/
  6. https://www.thecable.ng/integrating-artificial-intelligence-into-education-in-nigeria/
  7. https://www.impactlab.com/2025/01/23/ai-in-education-the-nigerian-pilot-program-that-could-transform-global-learning/
  8. https://the-decoder.com/ai-tutoring-helps-nigerian-students-gain-two-years-of-learning-in-six-weeks/

Le grand décalage entre réalité et perception de l’IA en entreprise

L’intelligence artificielle (IA) transforme le monde du travail à une vitesse fulgurante. Des outils comme ChatGPT, Copilot ou encore les solutions d’automatisation basées sur l’IA bouleversent les métiers, redéfinissent les compétences et modifient les attentes des entreprises. Pourtant, un constat surprenant émerge : il existe un décalage significatif entre la perception des dirigeants et celle des employés quant à l’impact et l’adoption de l’IA en entreprise.

L’étude menée par McKinsey met en lumière cette fracture : alors que les dirigeants voient l’IA comme un levier stratégique et une opportunité de croissance, les employés sont souvent moins confiants, parfois même inquiets quant aux implications de ces nouvelles technologies sur leur travail.

Pourquoi ce fossé existe-t-il ? Comment les entreprises peuvent-elles mieux accompagner leurs équipes dans cette transition ? Décryptons ensemble les enjeux et les solutions pour harmoniser la vision de l’IA en entreprise.


1. Un enthousiasme des dirigeants, une appréhension des employés

Les dirigeants misent sur l’IA pour la performance

Les cadres supérieurs et les dirigeants perçoivent l’IA comme une opportunité majeure. Selon McKinsey, 58 % des dirigeants considèrent l’IA comme un facteur clé d’amélioration de la productivité, et plus de la moitié pensent que ces technologies aideront à automatiser des tâches répétitives et à améliorer la prise de décision.

Pour eux, l’IA représente un avantage concurrentiel indéniable. Elle permet :
✅ Une meilleure analyse des données et des insights plus précis
✅ L’automatisation des tâches à faible valeur ajoutée
✅ Une optimisation des processus internes
✅ Une meilleure expérience client grâce à la personnalisation

En clair, les dirigeants voient dans l’IA un moyen d’augmenter la performance globale de l’entreprise et de dégager plus de valeur.

Les employés, entre scepticisme et incertitude

À l’inverse, une grande partie des employés adopte une posture plus prudente, voire inquiète. Seuls 25 % des employés interrogés se sentent pleinement confiants dans leur capacité à travailler efficacement avec l’IA.

Les principales craintes identifiées sont :
⚠️ La peur de l’automatisation et de la suppression d’emplois : Beaucoup redoutent que l’IA remplace leur poste, notamment dans les secteurs administratifs et industriels.
⚠️ Le manque de formation : Une majorité d’employés estiment ne pas être suffisamment formés pour utiliser l’IA dans leur travail quotidien.
⚠️ Un manque de clarté sur l’impact réel : Beaucoup ignorent comment l’IA influencera concrètement leur rôle et s’inquiètent de la répartition des responsabilités.

Cette perception négative crée une fracture entre les décideurs, qui voient l’IA comme une révolution positive, et les employés, qui la perçoivent comme une menace potentielle.


2. Pourquoi ce décalage existe-t-il ?

1. Une communication insuffisante

Un des premiers facteurs de ce décalage est le manque de communication entre les directions et les équipes opérationnelles. Dans beaucoup d’entreprises, les décisions stratégiques autour de l’IA sont prises sans concertation avec les employés.

Or, sans explications claires sur les bénéfices concrets de l’IA et son impact sur leur travail, il est naturel que les employés se méfient.

2. Un accès limité aux outils d’IA

Une autre raison de ce fossé est que les dirigeants ont souvent un accès privilégié aux outils et aux expérimentations en IA, contrairement aux employés.

D’après McKinsey, seulement 20 % des employés ont déjà eu l’opportunité d’utiliser des outils d’IA avancés dans leur travail quotidien, contre plus de 60 % des cadres supérieurs. Cette différence d’exposition explique pourquoi les dirigeants sont plus enthousiastes, tandis que les employés restent dans l’incertitude.

3. Un déficit de formation

L’IA demande de nouvelles compétences, notamment en data literacy, en compréhension des algorithmes et en collaboration homme-machine. Pourtant, beaucoup d’entreprises n’investissent pas encore suffisamment dans la formation de leurs employés sur ces sujets.

Si un salarié ne se sent pas à l’aise avec une technologie, il est logique qu’il la perçoive comme un danger plutôt qu’une opportunité.


3. Comment réduire ce fossé et harmoniser la vision de l’IA en entreprise ?

1. Renforcer la formation et l’accompagnement

Pour que l’IA soit un levier de croissance pour tous, il est essentiel d’investir dans la formation. Voici quelques actions concrètes :
📌 Mettre en place des programmes de formation adaptés à chaque métier
📌 Organiser des sessions de sensibilisation sur les usages et les limites de l’IA
📌 Encourager l’apprentissage en continu grâce à des plateformes en ligne

Une approche progressive et pédagogique permettra aux employés de mieux comprendre comment l’IA peut les aider dans leur quotidien plutôt que de les menacer.

2. Impliquer les employés dans les décisions

L’IA ne doit pas être un projet uniquement porté par les dirigeants. Pour créer de l’adhésion, il est crucial d’impliquer les employés dès le départ :
✅ En organisant des ateliers collaboratifs pour co-construire l’intégration de l’IA
✅ En prenant en compte les retours et les besoins des employés
✅ En instaurant une communication transparente sur les objectifs et les impacts de l’IA

Plus un employé se sent acteur du changement, plus il adoptera une attitude positive face à l’IA.

3. Démontrer des bénéfices concrets

Au lieu de présenter l’IA comme une « révolution abstraite », les entreprises doivent montrer des bénéfices tangibles pour les employés :
🚀 Gain de temps grâce à l’automatisation des tâches répétitives
🚀 Meilleure prise de décision avec des analyses plus précises
🚀 Amélioration des conditions de travail en réduisant la charge mentale

L’IA doit être perçue comme un outil d’aide, et non comme un remplaçant.


Conclusion : L’IA, un défi collectif pour l’entreprise

L’intelligence artificielle offre des opportunités considérables pour les entreprises, mais son adoption réussie repose sur un alignement entre dirigeants et employés. Pour combler le fossé actuel, il est essentiel de former, communiquer et impliquer l’ensemble des collaborateurs.

Chez Tamento, nous accompagnons les entreprises dans leur transformation digitale en intégrant l’IA de manière stratégique et humaine. De la formation des équipes à la mise en place de solutions adaptées, nous aidons les organisations à tirer le meilleur parti de l’IA tout en garantissant une adoption réussie.

💡 Vous souhaitez intégrer l’IA dans votre entreprise tout en fédérant vos équipes ? Contactez-nous dès aujourd’hui pour découvrir nos solutions sur-mesure ! 🚀

Source de l’étude : https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work


Les Chiffres Clés de l’Étude

  • Adoption et Usage
    • 3x plus d’employés utilisent l’IA que ce qu’imaginent les dirigeants
    • 70% prévoient une transformation de 30% de leur travail d’ici 2 ans
    • Les millennials sont 1,4x plus à l’aise avec l’IA
  • Stratégie d’Entreprise
    • 92% planifient d’augmenter leurs investissements IA
    • 47% des dirigeants admettent une progression trop lente
    • Seulement 1% ont atteint la maturité en IA
    • 69% investissent depuis plus d’un an
  • Confiance et Formation
    • 48% considèrent la formation comme prioritaire
    • Les employés sont 1,3x plus confiants envers leur entreprise
    • Les dirigeants sont 2,4x plus enclins à voir la préparation des employés comme un obstacle

Cette étude souligne l’urgence pour les entreprises d’accélérer leur transformation numérique tout en répondant aux attentes de formation de leurs collaborateurs, déjà plus avancés dans l’utilisation de l’IA que ne le pensent leurs dirigeants.

Les agents d’IA générative : La prochaine révolution du digital

L’intelligence artificielle générative (IA générative) est en train de transformer en profondeur le monde professionnel. Après l’essor fulgurant des modèles de langage comme ChatGPT, une nouvelle vague d’innovation s’annonce : les agents autonomes d’IA générative. Ces agents ne se contentent plus de répondre aux questions ou de générer du texte ; ils sont capables d’agir de manière proactive, d’exécuter des tâches complexes et de collaborer avec les humains pour améliorer l’efficacité des entreprises.

Selon un rapport de McKinsey, ces agents représentent la prochaine frontière de l’IA générative, avec un impact potentiel considérable sur divers secteurs. Dans cet article, nous explorerons ce que sont ces agents, comment ils fonctionnent, leurs applications concrètes et les défis qu’ils posent aux entreprises.

Qu’est-ce qu’un agent d’IA générative ?

Un agent d’IA générative est un programme d’intelligence artificielle capable d’exécuter des tâches de manière autonome en combinant des capacités de génération de contenu, d’analyse et d’apprentissage. Contrairement aux chatbots classiques, ces agents peuvent prendre des initiatives, apprendre de leurs interactions et agir sur des systèmes informatiques pour accomplir des missions spécifiques.

Différence entre un agent et un assistant IA classique

Les assistants d’IA (comme ChatGPT, Google Bard ou Copilot) sont principalement réactifs : ils répondent aux requêtes des utilisateurs mais ne prennent pas d’initiatives par eux-mêmes.

Les agents d’IA générative, en revanche, sont proactifs et autonomes. Ils peuvent :

  • Planifier des tâches en fonction d’un objectif défini,
  • Exécuter des actions sur plusieurs outils et plateformes,
  • S’adapter en temps réel en fonction des résultats obtenus,
  • Collaborer avec d’autres agents ou utilisateurs pour atteindre un objectif.

En somme, ils ne se contentent pas de générer du contenu : ils agissent dans le monde numérique.

Comment fonctionnent les agents d’IA générative ?

Les agents d’IA s’appuient sur plusieurs technologies pour fonctionner efficacement :

  • Les modèles de langage avancés (LLMs) : Ils utilisent des modèles comme GPT-4 ou Gemini pour comprendre et générer du texte.
  • L’automatisation des workflows : Ils sont capables d’interagir avec des logiciels et des plateformes pour exécuter des tâches.
  • L’apprentissage en boucle fermée : Ils analysent les résultats de leurs actions et ajustent leurs stratégies en fonction des retours obtenus.
  • L’intégration avec des APIs et des bases de données : Ils peuvent récupérer et exploiter des informations provenant de sources multiples.

Par exemple, un agent d’IA générative dans le marketing digital pourrait analyser les performances des campagnes publicitaires, ajuster les budgets en fonction des résultats et générer automatiquement du contenu optimisé pour améliorer l’engagement.

Quelles sont les applications des agents d’IA générative ?

Les agents autonomes d’IA peuvent être utilisés dans une multitude de domaines. Voici quelques cas d’usage concrets :

1. Service client automatisé et intelligent

Les agents d’IA vont bien au-delà des chatbots classiques. Ils peuvent :

  • Analyser les demandes des clients,
  • Interagir avec plusieurs systèmes (CRM, support technique, bases de données),
  • Proposer des solutions personnalisées sans intervention humaine.

🚀 Exemple : Une entreprise e-commerce peut utiliser un agent pour gérer les réclamations, suivre les commandes et proposer des recommandations basées sur l’historique d’achat du client.

2. Automatisation des processus métiers

Dans des secteurs comme la finance, la logistique ou la santé, les agents d’IA permettent d’optimiser des tâches répétitives et chronophages :

  • Gestion des factures et des paiements,
  • Planification automatique des ressources,
  • Analyse des dossiers et extraction d’informations importantes.

🚀 Exemple : Une banque peut utiliser un agent IA pour analyser des milliers de dossiers de prêt et détecter les profils à risque en quelques minutes.

3. Marketing digital et création de contenu

Les agents d’IA générative peuvent :

  • Rédiger des articles de blog optimisés SEO,
  • Gérer des campagnes publicitaires en temps réel,
  • Adapter le contenu marketing en fonction des tendances et des audiences.

🚀 Exemple : Une marque de mode peut utiliser un agent IA pour générer des descriptions de produits uniques et adaptées aux préférences des clients.

4. Développement et assistance en programmation

Les développeurs peuvent tirer parti des agents d’IA pour :

  • Générer du code et corriger des bugs,
  • Automatiser les tests logiciels,
  • Optimiser les performances des applications.

🚀 Exemple : Un agent IA intégré dans un environnement de développement peut analyser une base de code et suggérer des améliorations en temps réel.

Les défis et limites des agents d’IA générative

Malgré leur potentiel immense, ces agents soulèvent plusieurs défis :

1. Fiabilité et contrôle

Les agents IA peuvent commettre des erreurs ou générer des réponses biaisées. Il est essentiel de mettre en place des mécanismes de supervision humaine pour garantir la qualité des résultats.

2. Sécurité et confidentialité

L’autonomie des agents pose des questions en matière de cybersécurité. Qui est responsable si un agent prend une mauvaise décision ? Comment protéger les données sensibles utilisées par ces systèmes ?

3. Coût et complexité d’implémentation

Déployer des agents IA avancés nécessite des ressources importantes en termes de calcul, de formation et d’intégration avec les outils existants.

L’avenir des agents d’IA générative

Les experts s’accordent à dire que les agents d’IA vont profondément transformer le travail et l’organisation des entreprises. À terme, ils pourraient devenir de véritables collaborateurs virtuels, capables d’interagir naturellement avec les employés et d’optimiser en continu les processus métiers.

Les entreprises qui sauront adopter et maîtriser ces technologies auront un avantage concurrentiel majeur, notamment dans les secteurs du marketing digital, du service client et de l’automatisation des workflows.

Préparez votre entreprise à l’ère des agents IA

Les agents d’IA générative ne sont plus de la science-fiction : ils sont en train de devenir une réalité incontournable pour les entreprises cherchant à gagner en efficacité et en compétitivité. Leur adoption va nécessiter une transformation en profondeur des méthodes de travail et des outils numériques.

Chez Tamento, nous accompagnons les entreprises dans leur transition digitale en intégrant les technologies d’IA de manière stratégique et efficace. 🚀

💡 Envie d’explorer comment l’IA peut booster votre activité ? Contactez-nous dès aujourd’hui pour une consultation personnalisée !

IA en entreprise : comment transformer l’adoption invisible en moteur d’innovation.

Un grand nombre de personnes utilisent l’IA dans leur milieu professionnel. C’est particulièrement le cas en Europe, comme le montre une étude menée en janvier au Danemark : 65 % des spécialistes du marketing, 64 % des journalistes et 30 % des avocats, entre autres, ont déclaré avoir utilisé l’IA dans le cadre de leurs activités. Aux États-Unis, une enquête réalisée en août a révélé qu’un tiers des travailleurs avaient employé une IA générative au cours de la semaine précédente, avec ChatGPT en tête des outils utilisés, suivi de Gemini de Google. Les liens vers les études complètes sont en fin de cet article.

Exemples de gains de productivité observés.

Les utilisateurs constatent des gains significatifs de productivité pour certaines tâches clés. Par exemple, les études démontrent que les consultants accomplissaient 18 tâches différentes 25 % plus rapidement grâce à ChatGPT-4. De plus, une étude sur GitHub Copilot a révélé une augmentation de 26 % de la productivité des développeurs. Ces résultats reflètent également des ressentis personnels : l’étude danoise indique que les utilisateurs estiment que l’IA divise par deux leur temps de travail pour 41 % des tâches qu’ils réalisent.

Mais les dirigeants ne voient pas ou peu d’utilisation de l’IA et surtout peu de gains de productivité grâce à l’IA. Pourquoi ?

Améliorations individuelles vs gains organisationnels.

D’abord les gains organisationnels ne se résument pas à la simple addition des améliorations individuelles.

Pour que l’IA devienne un levier à l’échelle de l’entreprise, il est nécessaire d’investir dans la recherche et le développement (R&D) spécifiques à chaque organisation. Personne, ni un consultant externe ni un éditeur de logiciel, ne peut définir à votre place la meilleure manière d’utiliser l’IA dans votre contexte particulier. Chaque entreprise doit explorer les possibilités de l’IA par elle-même.

Personne ne dispose d’informations spécifiques sur la meilleure façons d’utiliser une IA dans votre entreprise que vos salariés.

Tout le monde est en train de réfléchir aux moyens d’utiliser l’IA : pour prendre l’avantage, vous devez le faire + rapidement.

Pour cela, il est crucial d’adopter une double approche : « pionnier » et « laboratoire« .

Un groupe de cinq personnes en salopette bleue se tient debout, les bras croisés, dans un atelier, incarnant le travail d'équipe et le professionnalisme. Leur présence suggère un environnement où l'adoption invisible fait avancer de manière transparente le moteur de l'innovation dans les environnements techniques ou d'ingénierie.

L’approche des « pionniers »

Les innovations majeures ne proviennent pas des laboratoires de R&D ou de prestataires/consultants externes, mais des personnes qui utilisent réellement les produits et les modifient pour résoudre leurs propres problèmes.

Comme les utilisateurs sont très motivés pour rendre leur travail plus facile grâce à la technologie, ils trouvent des moyens de le faire.

Cette dynamique est particulièrement pertinente avec l’IA, car les utilisateurs experts de leurs métiers peuvent déterminer l’utilité par des essais et des erreurs.

Et ça coute moins cher avec de meilleurs résultats.

Et les études montrent que les gens qui expérimentent l’IA, la trouvent très utile.

Mais ils ne partagent pas leurs résultats avec leurs employeurs.

Au contraire, presque toutes les organisations sont infiltrées par des « pionniers invisibles », des personnes utilisant l’IA dans leur travail sans en parler.

Il vous faut donc de nombreux « pionniers invisibles » pour développer de l’innovation en IA dans votre entreprise et les transformer ensuite en « pionniers » qui partagerons leurs expériences et usages pour l’entreprise.

Pourquoi les « pionniers » sont des « pionniers invisibles » ?

Plusieurs raisons expliquent pourquoi les employés ne partagent pas leurs usages de l’IA :

  • Peur des sanctions : Ils ont été exposés à un discours intimidant sur les sanctions potentielles liées à une mauvaise utilisation de l’IA, souvent sans détails précis sur ce qui est réellement considéré comme une « utilisation inappropriée ». Cela les dissuade de poser des questions et, par crainte d’être punis, ils préfèrent dissimuler leur usage.
  • Perte de reconnaissance : Au sein de leur travail, ils sont perçus comme des héros grâce à leur rapidité à coder et à rédiger des emails pertinents. Ils redoutent que, s’ils avouent recourir à l’IA, leur mérite soit diminué aux yeux de leurs collègues, et choisissent donc de garder cette information pour eux.
  • Inquiétude face aux suppressions d’emplois : Ils ont conscience que l’augmentation de la productivité grâce à l’IA peut être vue par l’entreprise comme une opportunité de réduire les coûts. Craignant pour leur propre poste ou celui de leurs collègues, ils préfèrent taire le fait que l’IA réalise une partie de leurs tâches.
  • Aucun avantage à partager : Ils pensent que, même s’ils ne risquent pas de sanction, révéler leur utilisation de l’IA ne leur apportera aucun avantage. Ils refusent de partager leurs connaissances gratuitement, et préfèrent donc garder leur usage confidentiel.
  • Productivité = plus de travail : Ils savent qu’au lieu de recevoir une récompense pour leur productivité accrue, celle-ci pourrait devenir la norme et conduire à des attentes toujours plus élevées en termes de charge de travail. Pour éviter cela, ils cachent leur utilisation de l’IA.
  • Manque de moyens pour échanger : Enfin, bien qu’ils soient encouragés à partager leurs méthodes et pratiques avec leurs collègues, ils ne disposent d’aucun cadre clair pour expliquer comment l’IA est intégrée dans leur processus, ce qui les pousse également à garder cette information pour eux.

Comment convaincre les pionniers de partager ?

  • Créer un environnement de confiance
    Réduisez la peur en établissant des zones d’expérimentation où l’utilisation de l’IA est encouragée et clairement définie. Assurez-vous que les politiques éthiques et les chartes d’utilisation de l’IA dans l’entreprise soient compréhensibles et non punitives. Offrez des garanties que les gains de productivité ne mèneront pas à des licenciements, créant ainsi une sécurité psychologique.
  • Récompenser les utilisateurs d’IA
    Alignez les systèmes de récompense avec les gains de productivité liés à l’IA. Récompensez les employés qui révèlent leurs utilisations de l’IA avec des incitations significatives : primes, promotions, avantages comme le télétravail, et reconnaissez les innovations majeures.
  • Montrer l’exemple
    Les dirigeants et managers doivent eux-mêmes adopter l’IA et partager leurs expériences avec leurs équipes. L’exemple des leaders encourage les employés à explorer les solutions IA en premier lieu pour résoudre les problèmes, favorisant ainsi une culture d’innovation.
  • Encourager les démonstrations d’IA
    Organisez des événements où les employés peuvent présenter leurs utilisations de l’IA, comme des hackathons ou des sessions de partage rapide. Ces moments permettent de découvrir les talents cachés et d’encourager le partage de bonnes pratiques au sein de l’entreprise.
  • Favoriser une communauté IA interne
    Créez une communauté de pionniers (experts et d’enthousiastes de l’IA) au sein de l’entreprise. Identifiez et soutenez ceux qui maîtrisent ces technologies pour qu’ils puissent partager leurs connaissances et créer un environnement collaboratif autour de l’IA.
  • Offrir les outils et la formation
    Donnez accès aux meilleurs outils IA disponibles, comme GPT-4 ou Gemini, et proposez des formations adaptées. Même une simple introduction peut permettre aux employés de découvrir le potentiel de l’IA et les encourager à innover dans leur travail quotidien.

Les talents d’innovation en matière d’IA se trouvent au sein de votre organisation. Vous devez créer l’opportunité pour qu’il s’épanouisse. Les pionniers peuvent y contribuer.

Mais il existe également un rôle pour un effort d’innovation plus ciblé : le laboratoire.

Un laboratoire futuriste regorge d'innovations tandis que des scientifiques en blouse blanche travaillent sur des postes informatiques. Une grande chambre cylindrique éclairée se dresse au centre de ce moteur d'innovation. Les murs affichent des écrans numériques lumineux remplis de données et de graphiques complexes, mettant en valeur l'avenir de l'IA en entreprise.

L’approche du laboratoire

Bien que l’innovation décentralisée soit cruciale, un effort plus centralisé est également indispensable pour structurer l’utilisation de la recherche et du développement au sein de votre organisation. Le laboratoire doit être composé d’experts en IA, avec un mélange de technologues et de non-technologues. Heureusement, les pionniers – ces passionnés qui explorent l’IA et partagent volontiers leurs découvertes – sont déjà présents au sein de votre entreprise. Ce sont eux qui formeront l’équipe du laboratoire, où leur travail sera principalement, voire exclusivement, axé sur l’IA. Leur mission ne sera pas de se concentrer sur des analyses abstraites ou des stratégies éloignées du terrain, mais bien sur la construction concrète. Voici les axes principaux de ce qu’ils construiront :

  1. Développer des référentiels IA propres à votre entreprise
    L’établissement de repères spécifiques est essentiel pour évaluer la performance des modèles d’IA sur les tâches que vous réalisez réellement au quotidien. La majorité des laboratoires IA se contentent de tester le codage ou les connaissances à choix multiples, mais cela ne vous indique pas quel modèle est le plus performant pour rédiger un texte, analyser des données financières, ou lire des documents juridiques. Vous devez définir des critères d’évaluation sur des tâches critiques et spécifiques à votre entreprise. Sans ces points de référence, vous avancez à l’aveugle et ne pouvez pas juger de la qualité ni des améliorations des systèmes d’IA au fil du temps.
  2. Transformer les idées des pionniers en solutions pratiques
    Prenez les idées issues des pionniers et transformez-les rapidement en outils ou en produits. Faites des essais, testez ces solutions, puis déployez-les au sein de l’organisation tout en mesurant leur impact. Il s’agit de faire émerger des innovations pratiques à partir des intuitions et découvertes des pionniers.
  3. Concevoir des solutions imparfaites… pour l’instant
    Imaginez ce que pourrait accomplir un agent d’IA s’il était chargé de toutes les tâches d’un processus clé de l’entreprise. Construisez ce prototype et identifiez les points où il échoue. À chaque sortie d’un nouveau modèle d’IA, testez-le sur votre solution pour voir si les nouvelles avancées comblent les lacunes identifiées. Ce processus vous permet de rester à la pointe de l’innovation, en vous préparant à déployer rapidement des solutions lorsque les modèles d’IA dépasseront certains seuils critiques.
  4. Créer des démonstrations et des expériences marquantes
    Beaucoup n’ont pas encore pleinement pris conscience de l’impact que peut avoir l’IA. En montrant des exemples concrets et parfois étonnants de ce que l’IA peut accomplir, vous aidez à illustrer son potentiel transformationnel. Proposez des démonstrations impressionnantes où l’IA réussit des tâches que l’on croyait impossibles, et montrez les dernières avancées pour créer un effet de surprise et d’émerveillement, tout en sensibilisant votre organisation. Et vous aurez de nouveaux pionniers.

En résumé, les pionniers innovent, et le laboratoire construit et teste. Un effort de recherche et développement interne efficace repose sur cette synergie entre innovation décentralisée et centralisation stratégique.

Mais pour que cette dynamique prenne réellement forme à l’échelle de l’organisation, il est nécessaire de s’appuyer sur un acteur clé : les ressources humaines.

Un fond numérique futuriste avec des lignes et des circuits interconnectés met en valeur le texte lumineux « RH = R&D » en son centre, agissant comme un moteur d'innovation. Sur fond sombre, des lumières bleues et orange brillantes renforcent son essence dynamique.

Le rôle essentiel des RH dans l’adoption de l’IA

L’innovation en matière d’IA est intrinsèquement liée aux employés. C’est pourquoi la fonction Ressources Humaines (RH) joue un rôle crucial dans la transformation numérique de l’entreprise. Les RH doivent identifier, fédérer et accompagner les « pionniers » qui expérimentent l’IA de manière informelle. Cela implique de créer des programmes de formation adaptés, pour que chaque salarié comprenne les usages possibles de l’IA dans son métier, quelle que soit sa fonction. Cette dimension transversale est essentielle, car l’IA touche tous les secteurs de l’entreprise, même si elle s’applique de manière différente selon les postes.

Les RH doivent également mettre en place des espaces de partage et des initiatives collaboratives, telles que des communautés internes ou des plateformes de discussion, pour permettre aux salariés d’échanger sur leurs pratiques. En établissant un climat de confiance et en garantissant un accompagnement sur les enjeux éthiques et opérationnels, les RH encouragent les employés à partager leurs expérimentations et à devenir des moteurs de l’innovation collective. Ce travail de coordination est indispensable pour maximiser les bénéfices de l’IA et transformer les initiatives individuelles en une dynamique collective de transformation.

Est-ce que finalement, les RH ne seraient pas les nouveaux R&D ?

Ce n’est qu’un début

À long terme, l’innovation seule ne suffira pas à garantir la prospérité des entreprises, surtout si les capacités de l’IA continuent de progresser à un rythme effréné. Les entreprises auront besoin de dirigeants capables de comprendre et de maîtriser les enjeux liés à l’IA. Actuellement, nos organisations sont conçues autour des limites et des avantages de l’intelligence humaine, la seule forme d’intelligence que nous connaissions. À présent, nous devons repenser les processus et les structures organisationnelles qui ont été développés sur des décennies, afin de les adapter à cette « intelligence » différente que représente l’IA. Il ne s’agit pas uniquement de recherche et de développement, mais de redéfinir les structures, les objectifs organisationnels, et de redéfinir le rôle des humains et des machines dans les organisations de demain. La marche à suivre n’est pas encore bien définie, mais il est crucial que les entreprises, avec l’aide de leurs équipes, commencent à se pencher sur ces enjeux dès aujourd’hui.

Cependant, cette approche pourrait ne pas être suffisamment radicale. Les sociétés d’IA visent un objectif ambitieux : créer des IA qui surpasseront les humains dans toutes les tâches intellectuelles. Ils promettent que nous aurons bientôt des agents autonomes (des IA capables de planifier et d’agir indépendamment, en fonction de leurs propres objectifs). Comme l’indique la feuille de route d’OpenAI, ces sociétés pensent qu’ils pourront, à terme, concevoir des IA capables de prendre en charge l’ensemble des opérations des entreprises. Même si une telle révolution n’aboutit pas entièrement, le moindre progrès en ce sens pourrait déjà transformer en profondeur le fonctionnement des organisations, bien au-delà de ce que nous pouvons envisager aujourd’hui.

Pour se préparer à cette incertitude, les entreprises devront reprendre un certain contrôle et commencer à explorer ce nouveau paradigme par elles-mêmes. Elles ne peuvent pas attendre que tout se concrétise : l’heure est venue d’anticiper et de s’adapter à ce futur encore incertain.

Sources :

https://bfi.uchicago.edu/insights/the-adoption-of-chatgpt/

https://static1.squarespace.com/static/60832ecef615231cedd30911/t/66f0c3fbabdc0a173e1e697e/1727054844024/BBD_GenAI_NBER_Sept2024.pdf

https://www.oneusefulthing.org/p/centaurs-and-cyborgs-on-the-jagged

https://evhippel.mit.edu

https://www.oneusefulthing.org/p/ai-in-organizations-some-tactics

L’impact de ChatGPT dans le milieu professionnel : adoption, motivations et disparités

L’adoption de ChatGPT dans le monde du travail est un sujet fascinant qui a fait l’objet d’une étude approfondie par le Becker Friedman Institute de l’Université de Chicago, en collaboration avec Statistics Denmark. Publiée en 2023, cette étude intitulée « The Adoption of ChatGPT » analyse comment différents travailleurs adoptent cette technologie, en mettant un accent particulier sur les variations selon l’âge, l’expérience, la profession et même le genre. Voici un compte-rendu détaillé de ses résultats, mettant en avant les chiffres clés et les principales analyses.

Méthodologie et contexte des études

L’enquête principale a été menée entre novembre 2023 et janvier 2024, avec un échantillon de 100 000 travailleurs répartis sur 11 professions différentes. Un complément a été apporté par une autre étude réalisée par NBER (National Bureau of Economic Research) en septembre 2024, qui s’est intéressée aux effets de l’IA générative, notamment ChatGPT, sur la productivité des travailleurs. Cette seconde étude, intitulée « Generative AI at Work », a analysé les impacts sur plusieurs professions, en particulier celles à forte composante cognitive, et a mis en lumière des gains significatifs en termes de productivité et de réduction du temps de travail. L’objectif était d’explorer les taux d’adoption de ChatGPT, la motivation derrière son utilisation et les caractéristiques démographiques des utilisateurs. Cela a permis d’obtenir une image très complète des tendances et des déterminants de l’adoption de cette IA générative dans les milieux professionnels.

L’enquête a révélé que 50 % des travailleurs interrogés avaient déjà utilisé ChatGPT au moins une fois dans le cadre de leur travail. Ce chiffre montre une adoption significative mais qui n’est pas encore généralisée, laissant place à des disparités importantes en fonction de plusieurs critères.

Adoption selon l’âge et l’expérience

L’adoption de ChatGPT varie significativement selon l’âge des utilisateurs. Les jeunes travailleurs, âgés de moins de 35 ans, représentent la part la plus importante des utilisateurs avec un taux d’adoption de 65 %. En revanche, les travailleurs plus âgés (plus de 50 ans) n’ont utilisé ChatGPT qu’à un taux de 35 %. Ces chiffres suggèrent que les jeunes générations, plus enclines à utiliser des technologies innovantes, ont été les premières à adopter cette IA pour faciliter leurs tâches quotidiennes.

En termes d’expérience, les travailleurs moins expérimentés (moins de 5 ans dans leur métier) ont un taux d’adoption de 58 %, tandis que ceux avec plus de 20 ans d’expérience ont un taux bien inférieur, à seulement 30 %. Cela reflète une certaine résistance au changement chez les professionnels établis qui peuvent ne pas voir l’intérêt de modifier leurs méthodes de travail traditionnelles.

Adoption par profession

Parmi les 11 professions étudiées, les secteurs de la technologie et de l’information présentent les taux d’adoption les plus élevés, avec 70 % des répondants déclarant avoir utilisé ChatGPT. Voici un aperçu plus détaillé des usages par profession :

  • Technologie et information : 70 % des travailleurs de ce secteur utilisent ChatGPT pour automatiser des tâches de codage, créer des scripts, et générer des solutions techniques. L’IA est également employée pour rédiger des documentations et faciliter la communication entre les équipes.
  • Marketing et communication : 65 % des professionnels de ce domaine utilisent ChatGPT pour rédiger du contenu marketing, créer des articles de blog, gérer les réseaux sociaux, et personnaliser les messages pour les clients potentiels.
  • Juridique (avocats et conseillers juridiques) : 55 % des avocats utilisent ChatGPT pour la rédaction de documents juridiques tels que les mémos, les contrats et les synthèses de cas. L’outil aide également à effectuer des recherches juridiques préliminaires et à gagner du temps sur les tâches administratives.
  • Finance : 50 % des travailleurs dans la finance utilisent ChatGPT pour automatiser la rédaction de rapports financiers, préparer des analyses de marché, et générer des résumés de données financières complexes.
  • Éducation : 40 % des éducateurs utilisent ChatGPT pour aider à préparer des cours, rédiger des supports pédagogiques, et personnaliser les retours aux étudiants. Cependant, des préoccupations sur l’exactitude et l’éthique de l’utilisation de l’IA limitent son adoption.
  • Santé : 38 % des professionnels de la santé utilisent ChatGPT, principalement pour la documentation clinique et la communication avec les patients. Toutefois, des considérations liées à la confidentialité et à la réglementation freinent son usage généralisé.
  • Ressources humaines : 45 % des professionnels RH utilisent ChatGPT pour rédiger des descriptions de postes, créer des questionnaires d’entretiens, et automatiser des tâches administratives répétitives.
  • Vente : 48 % des professionnels de la vente utilisent ChatGPT pour rédiger des emails commerciaux, préparer des scripts d’appels, et créer des documents de présentation.
  • Services juridiques et comptabilité : Les comptables et conseillers utilisent ChatGPT pour automatiser des tâches répétitives telles que la rédaction de courriers ou la création de rapports, avec un taux d’adoption de 42 %.

Les professions plus routinières ou réglementées semblent moins enclines à adopter cette technologie, probablement en raison de la complexité à intégrer des outils automatisés dans leurs pratiques souvent standardisées.

Analyse des motivations

L’étude montre également que l’adoption de ChatGPT est fortement influencée par les informations disponibles sur son potentiel et ses applications concrètes. Parmi les répondants ayant reçu une formation ou une information spécifique sur l’utilisation de ChatGPT, 72 % ont déclaré l’utiliser activement. En revanche, ce chiffre tombe à 40 % pour ceux qui n’ont pas bénéficié de ces informations. Cela indique que l’éducation et la sensibilisation au potentiel de l’IA sont des leviers cruciaux pour encourager l’adoption de ces technologies dans le monde du travail.

Impact de l’information sur la perception et l’adoption

Une particularité de l’étude réside dans l’analyse de l’impact de l’information sur la perception et l’adoption de ChatGPT. Il a été constaté que fournir des informations sur le potentiel de cette technologie modifie significativement la perception des travailleurs sur son utilité, mais cela n’entraîne pas nécessairement une augmentation équivalente de l’utilisation réelle. Par exemple, 80 % des participants exposés aux avantages de ChatGPT considèrent que cette technologie pourrait améliorer leur efficacité, mais seulement 50 % l’ont réellement adoptée dans leur pratique professionnelle. Ce décalage souligne l’importance de facteurs additionnels tels que la facilité d’intégration, la formation et le soutien organisationnel.

Disparités selon le genre

L’étude met en évidence des différences notables entre les hommes et les femmes en termes d’adoption. Les hommes ont un taux d’adoption de 55 %, contre 45 % pour les femmes. Le principal frein pour les femmes semble être le manque de formation sur l’utilisation de ChatGPT. En effet, celles qui ont reçu une formation spécifique sur la technologie ont des taux d’adoption similaires à ceux des hommes. Cela montre que la sensibilisation et l’accès à des formations adaptées sont des facteurs clés pour réduire cette disparité. D’autres raisons incluent la prudence face aux nouvelles technologies et les contextes de travail, qui peuvent limiter l’exposition à ces outils.

Avantages perçus et réels de l’utilisation de ChatGPT

Les utilisateurs de ChatGPT ont identifié plusieurs avantages principaux, notamment une augmentation de la productivité, une réduction des tâches répétitives, et un soutien pour des travaux de rédaction ou de recherche. Environ 60 % des répondants ont déclaré que ChatGPT leur permettait de gagner en moyenne 1 heure par jour. Ces gains sont particulièrement importants dans les professions orientées vers la création de contenu, où l’IA est utilisée pour générer des brouillons de documents, vérifier des informations, ou encore proposer des idées nouvelles.

Cependant, tous les utilisateurs ne voient pas uniquement des avantages. Environ 20 % des répondants ont souligné des préoccupations concernant la qualité et la précision des réponses générées par ChatGPT, en particulier pour des tâches nécessitant une expertise poussée ou une précision factuelle. Ces inquiétudes montrent que malgré son adoption, la confiance en l’outil reste modérée, en fonction des usages spécifiques.

Synthèse des résultats et perspectives d’avenir

Les résultats de l’étude menée par NBER en septembre 2024 viennent renforcer les observations initiales sur l’adoption de ChatGPT. Cette étude a mis en avant des gains de productivité moyens de 14 % pour les travailleurs utilisant l’IA générative, avec une réduction du temps nécessaire à accomplir certaines tâches de 20 %. Les professions à forte composante cognitive, comme les avocats, les analystes financiers, et les professionnels du marketing, ont particulièrement bénéficié de l’utilisation de l’IA, tant en termes d’efficacité que de réduction du stress lié aux tâches répétitives. Cela conforte l’idée que l’adoption de ChatGPT, associée à une formation adaptée, peut véritablement transformer les dynamiques de travail, notamment dans les secteurs orientés vers la création de contenu ou la gestion de l’information.

En résumé, cette étude révèle que l’adoption de ChatGPT est influencée par des facteurs variés, tels que l’âge, l’expérience, la profession, et l’accès à des informations sur la technologie. Le taux d’adoption global de 50 % montre un intérêt croissant pour cette IA, mais avec des disparités marquées entre les groupes démographiques et les secteurs professionnels. Les jeunes travailleurs et ceux dans les professions liées à la technologie sont clairement les premiers à intégrer cet outil dans leur quotidien, tandis que d’autres restent plus prudents ou moins informés.

L’étude suggère que pour augmenter l’adoption de ChatGPT et d’autres technologies similaires, il est essentiel de fournir des formations adaptées et de rendre l’outil facile à intégrer dans les processus de travail existants. Les entreprises ont un rôle crucial à jouer pour surmonter les réticences, en particulier chez les travailleurs plus âgés et dans les secteurs moins familiers avec l’IA.

En conclusion, bien que ChatGPT montre un potentiel important pour améliorer la productivité et simplifier certaines tâches, son adoption complète nécessite une meilleure sensibilisation, un soutien plus grand de la part des employeurs, et la mise en place de stratégies permettant d’améliorer la confiance des utilisateurs dans les réponses générées. Avec le temps et une formation continue, l’adoption pourrait croître et bénéficier à un plus large éventail de professions.

Sources : https://bfi.uchicago.edu/insights/the-adoption-of-chatgpt/ et https://static1.squarespace.com/static/60832ecef615231cedd30911/t/66f0c3fbabdc0a173e1e697e/1727054844024/BBD_GenAI_NBER_Sept2024.pdf

Le projet « Strawberry » d’OpenAI : l’intelligence artificielle fait un bond en avant

C’est officiel, OpenAI a dévoilé son projet ultra-secret « Strawberry ». Et pour les plus curieux, vous pouvez déjà y goûter ! Avec ce lancement, OpenAI repart de zéro en introduisant deux nouveaux modèles, o1-preview et o1-mini, accessibles aux utilisateurs payants de ChatGPT. Au programme : un raisonnement boosté et des capacités encore plus affinées. Accrochez-vous, ça va décoiffer !

Un pas de géant dans l’IA

Baptisé « Project Strawberry » en interne, cette nouvelle version de ChatGPT représente bien plus qu’une simple mise à jour. Sous le nom de code « Q* », elle marque une véritable révolution dans la manière dont l’IA raisonne et interagit avec nous. Deux versions sont déjà disponibles :

  • o1-preview : une version bêta du modèle complet qui excelle dans les tâches de raisonnement complexe.
  • o1-mini : un modèle plus léger, parfait pour les tâches qui demandent moins de puissance de calcul mais qui bénéficient quand même d’une réflexion approfondie.

Raisonnement « Deep Research » : l’IA va encore plus loin !

La vraie star de « Strawberry », c’est sa capacité de raisonnement amélioré. Si, jusqu’ici, ChatGPT se contentait d’analyser les modèles de langage pour répondre à vos questions, maintenant, il prend le temps de planifier et peut même naviguer sur Internet pour effectuer ce qu’OpenAI appelle des « recherches approfondies ». En clair, ChatGPT ne se contente plus de répondre du tac au tac ; il va creuser plus loin pour vous donner des réponses plus détaillées et mieux documentées.

Imaginez : vous posez une question complexe, et ChatGPT va chercher des informations en ligne pour vous offrir un résultat clair et pertinent, même dans des domaines aussi pointus que les mathématiques ou les sciences. C’est un véritable pas vers l’intelligence artificielle générale (AGI), où l’IA rivalise avec l’intelligence humaine sur des sujets variés !

Des outils puissants pour les entreprises et les chercheurs

« Strawberry » ne se limite pas au simple utilisateur de ChatGPT. OpenAI voit plus grand et vise aussi les entreprises et les chercheurs. Ces nouveaux modèles sont taillés sur mesure pour générer des insights, automatiser des recherches complexes et même assister à des découvertes scientifiques. Les secteurs de la recherche, de la technologie et de l’éducation pourraient bien vivre une petite révolution avec ces capacités inédites. Fini le temps des longues heures de recherche manuelle : place à l’efficacité !

Comment « Strawberry » se distingue de GPT-4 ?

Alors que GPT-4 nous a impressionnés avec ses fonctionnalités multimodales, permettant de gérer à la fois le texte et les images, « Strawberry » pousse encore plus loin en introduisant une phase de post-entraînement. L’IA s’améliore en autogénérant et en utilisant ses propres données pour devenir encore plus performante. Vous avez peut-être entendu parler du concept du « Self-Taught Reasoner » (STaR) développé à Stanford ? Eh bien, c’est une approche similaire : l’IA continue d’apprendre et de s’améliorer toute seule.

Pour les utilisateurs de ChatGPT, ces nouveaux modèles sont disponibles avec des quotas d’utilisation : 50 messages par jour pour o1-mini et 50 messages par semaine pour o1-preview. De plus, OpenAI a introduit la méthode « chaîne de pensée » (CoT), où le modèle passe par des étapes intermédiaires avant de vous fournir une réponse finale. Certes, ça prend un peu plus de temps, mais le résultat est bien plus précis !

Pourquoi c’est une révolution ?

Voici ce que « Strawberry » apporte de nouveau :

  • Programmation compétitive : o1 se situe dans le 89e percentile, prouvant sa capacité à résoudre des problèmes complexes.
  • Expertise académique : o1 surpasse un doctorant dans des domaines comme la physique, la biologie et la chimie.
  • Précision juridique : dans les tâches juridiques, o1 double la précision des révisions de documents par rapport à GPT-4.

Dan Shipper, de Every, souligne que o1 introduit une « pensée de système 2 », similaire à notre propre réflexion délibérée et profonde. De son côté, le professeur Ethan Mollick explique que ce modèle permet à l’IA de réaliser des tâches autrefois jugées impossibles, donnant l’impression que l’IA développe une véritable « agence » dans la manière de résoudre les problèmes.

Comment tirer le meilleur de o1 ?

  1. Optez pour des tâches complexes : o1 est particulièrement performant sur les projets qui nécessitent plusieurs étapes ou un raisonnement détaillé.
  2. Donnez des instructions claires : même si l’IA est plus forte en raisonnement, des consignes précises l’aideront à mieux cerner la tâche.
  3. Vérifiez les résultats : avec le raisonnement avancé de o1, il est important de bien vérifier les réponses fournies pour s’assurer de leur pertinence et de leur exactitude.

Les implications éthiques à ne pas négliger

Mais avec autant de puissance, de nouvelles questions éthiques se posent. Une IA capable de naviguer seule sur Internet pour trouver des réponses soulève des préoccupations sur la gestion des informations et les biais potentiels. Le potentiel est immense, mais il faudra réfléchir à l’usage que l’on souhaite faire de ces outils pour en tirer le meilleur tout en minimisant les risques.

En conclusion

Avec « Strawberry », OpenAI marque un tournant dans l’évolution de l’intelligence artificielle. Plus autonome, plus intelligente et plus performante, cette nouvelle version ouvre des portes fascinantes dans de nombreux domaines, des entreprises à la recherche scientifique. Reste à l’accompagner d’une réflexion éthique solide pour que cette avancée serve au mieux l’humanité.

Références : OpenAI, TechCrunch​, BensBites, Decrypt

L’anthropomorphisation de l’IA

Pourquoi traiter l’IA comme une personne représente l’avenir

Nombre d’experts expriment leur inquiétude vis-à-vis de l’anthropomorphisme de l’IA, et leurs raisons sont tout à fait valables.

L’anthropomorphisme, c’est attribuer des caractéristiques humaines à des entités non humaines. Nous y sommes naturellement enclins : nous imaginons voir des visages dans les nuages, attribuons des intentions à la météo et dialoguons avec nos animaux domestiques. Il n’est donc pas surprenant que nous soyons tentés d’anthropomorphiser l’intelligence artificielle, d’autant plus que converser avec des modèles de langage (LLMs) nous donne l’impression de parler à une personne réelle. Même les développeurs et les chercheurs qui conçoivent ces systèmes peuvent tomber dans le piège de l’utilisation de termes humanisants pour décrire leurs créations, à commencer par des termes comme « apprentissage automatique ».

Cette préoccupation peut sembler dérisoire. Après tout, cela n’est-il pas simplement une bizarrerie inoffensive de la psychologie humaine, un témoignage de notre capacité à empathiser et à nous connecter ? Cependant, de nombreux chercheurs sont profondément préoccupés par les implications d’agir comme si l’IA était humaine, tant sur le plan éthique qu’épistémologique. Ils posent des questions importantes : Sommes-nous dupés en croyant que ces machines partagent nos sentiments ? Cette illusion pourrait-elle nous amener à divulguer des informations personnelles à ces machines, sans réaliser que nous les partageons avec des entreprises ? En quoi traiter l’IA comme une personne brouille-t-elle notre vision de son fonctionnement, de qui la contrôle et de la manière dont nous devrions nous y rapporter ?

Je suis conscient de ces risques réels et, pour être clair, lorsque je dis qu’une IA « pense », « apprend », « comprend », « décide » ou « ressent », je m’exprime métaphoriquement. Les systèmes d’IA actuels ne possèdent pas de conscience, d’émotions, de sens de soi ou de sensations physiques. Alors, pourquoi prendre le risque ? Parce que, aussi imparfaite que soit l’analogie, travailler avec l’IA est plus simple si on la considère comme une personne extraterrestre plutôt que comme une machine créée par l’homme. Et je pense qu’il est important de faire passer ce message, même en tenant compte des risques liés à l’anthropomorphisme.

Pas tout à fait un logiciel

L’IA, constituée de logiciels complexes, est souvent perçue comme un outil exclusivement destiné aux codeurs. Cette perception est tellement répandue qu’on la retrouve partout : les départements informatiques sont souvent chargés de la stratégie d’IA des entreprises, les informaticiens sont présumés être des experts dans la prévision des changements sociaux que l’IA pourrait engendrer, et, plus important encore, de nombreuses personnes semblent réticentes à utiliser l’IA parce qu’elles « ne connaissent rien en informatique ».

C’est comme si on disait que, puisque nous sommes constitués de systèmes biochimiques, seuls les biochimistes devraient s’occuper des humains – mais c’est encore pire que ça. C’est comme dire que seuls les chimistes devraient être autorisés à peindre, parce qu’eux seuls comprennent la composition moléculaire des pigments. Pourquoi laisserions-nous les artistes, qui peuvent être totalement ignorants de la composition de leurs peintures, utiliser une chimie si complexe ? Mais en réalité, c’est encore pire, car même les informaticiens ne comprennent pas toujours pourquoi les LLMs sont capables de réaliser certaines tâches.

Les LLMs sont constitués de logiciels, mais ne fonctionnent pas comme la plupart des logiciels. Ils sont probabilistes et largement imprévisibles, produisant des résultats différents à partir des mêmes entrées. Bien qu’ils ne pensent pas au sens humain du terme, ils génèrent des simulations de langage et de pensée humains qui, autant que nous puissions en juger, sont suffisamment originales pour surpasser la plupart des humains en termes de créativité. Ils sont perçus comme plus empathiques et plus précis que les médecins humains dans les essais contrôlés. Pourtant, ils sont également limités de manières étonnantes qui surprennent, comme leur incapacité à effectuer un raisonnement rétrograde.

Les LLMs sont essentiellement une forme très avancée de saisie semi-automatique. Alors, comment une telle saisie semi-automatique peut-elle accomplir ces tâches ? La réponse, jusqu’à présent, comme le décrit un excellent aperçu dans la MIT Technology Review, est que « personne ne sait exactement comment (ou pourquoi) cela fonctionne ».

Le résultat est que de travailler avec ces IA est franchement bizarre par moment.

Le jour où ChatGPT m’a dit non

J’ai demandé à ChatGPT de m’aider à mettre au propre une idée. J’ai souvent des idées pleins la tête et je lui demande en chat vocal via mon téléphone de me résumer ce que je viens de lui dire. Cela m’arrive de lui parler pendant de nombreuses minutes, en revenant sur ce que venais de dire 3 phrases avant, bref vraiment en mode brouillon… Si mes clients que je forme sur l’art de bien prompter me voyaient, je perdrais toute crédibilité… 😀

Voici par exemple la retranscription de ma demande : je voulais créer un concept (un nom, un logo) pour mettre sur nos création graphiques faites par IA. Je voulais montrer que la création n’est pas faite QUE par l’IA. Mais plutôt AVEC l’IA. Car quand on créé un visuel avec Mijourney par exemple, on passe du temps à l’imaginer, à le décrire (prompt) et ensuite à itérer pour avoir la bonne image, qu’on finit souvent par retoucher dans Photoshop. Ce travail ne peut pas être résumé par un « Fait par IA ». Il y a un vrai travail dans la création globale du visuel et l’usage de l’outil (quel qu’il soit, un pinceau ou Midjourney) n’est pas la part la plus importante.

J’ai donc essayé de lui expliquer cela avec des exemples (attention, comme je lui ai parlé en marchant à l’extérieur, il n’a pas pu retranscrire tous les mots et ce n’est pas très lisible…) :

Alors l'idée, c'est de travailler alors tout premier sur un un logo. Un symbole ? Je sais pas quelque chose qu'on pourrait mettre sur des contenus qu’on crée qu'on génère avec une intelligence artificielle. L'idée, ça serait un peu de de quand on travaille pour un client sur des visuels, des affiches ou même du contenu pourquoi pas ? De dire que ça a été créé par ia mais mais pas simplement. Dire qu'il écrit par l'IA en fait de façon dont je le vois, ça serait 3 choses en fait. Finalement ce logo on pourrait dire qu'il pourrait avoir 3 lettres IGS par exemple. On pourrait dire I comme imaginé par l'humain. J'ai comme généré par l'intelligence artificielle. Et comme sublimé par l'humain. L'idée, c'est de dire que l'idéal fait des choses incroyables, mais l'idée, l'imagination, la chose originale, elle vient du cerveau humain. L’IA toute seule, elles peuvent pas imaginer inventer des trucs, que ça soit un contenu texte. Avec une ia comme tu as pété ou un contenu photo comme avec l'ia midjourney, c'est-à-dire qu à un moment il faut lui donner l'idée. Il faut la décrire et plus on la décrit, plus elle est précise, plus la génération justement par l'i a sera de qualité. Et après on peut justement alors soit sublimer dans le sens on peut compléter manuellement, modifier, corriger hein, c'est du texte ou une image avec Photoshop et cetera. En sachant que le G et le s pour moi, c'est un process un peu itératif. Puisque il y a aussi suivant le rendu, on va redemander à l'i a de de modifier et et donc on va se se corriger dans ce dans son compte, dans sa description, dans sa demande. Pour que justement. L'IA soit meilleur dans dans son rendu donc ça c'est l'idée et donc en fait. IGS déjà de base mort dans mon concept. Dans l'idée c'est de dire Bah voilà ça serait un logo, à chaque fois qu'on fera visuel on fait un petit IGS. Alors le s je suis pas sûr sublimé. C'était un peu fort mais faudrait trouver un mot. Un mot, un mot équivalent pour faire un truc en 3 lettres et puis on en ferait graphiquement quelque chose et puis on pourrait poser ça et que ça devienne un peu la norme et que finalement on ferait un logo qu'on laisserait libre de droit et que tout le monde pourrait servir à la question. Copyright hein, quoi que ce soit ? Et. Et après, en allant plus loin ? Quand je vois un gadget, je me rends compte que c'est finalement le concept de la création. Quand on veut faire quelque chose. On a une idée, on l'imagine. On l'a décrit à quelque chose qui va la fabriquer. Voilà, si on n'est pas, Ben c'est nous, on a notre idée et on va et on va le peindre. Mais si on n'est pas peintre, on a l'idée et on va s'appuyer sur sur une IA généré. Et après Ben, de manière itérative, on va corriger et sublimer pour arriver vraiment au au au résultat. Et et suivant la qualité ou la compétence de l'humain. Le I sera plus précis. Et aura une part plus importante. Que le G. Finalement, IG, ça pourrait être un. Un process en 3 étapes avec des États plus ou moins grosses suivant. Suivant le niveau ou suivant la vision de l'idée, et finalement, plus on a une idée qu'on peut définir avec un peu de hauteur avec de la précision, plus le G sera apprécié de qualité et plus le s sera plus petit. Alors que si on a une idée un peu vague, le I fera petit. Et le G et le s vont être très gros. Il y aura plusieurs g finalement et plusieurs restes avant d'arriver au résultat final. Et je me dis que finalement, sur des débats sur. L'i a ce qu'elle est vraiment intelligente, qu'elle peut faire plein de choses, et cetera. Sûr avec ce concept qui GS ? Où, quel que soit le manière dont on appelle par la suite. Ce concept IGS ? Permet de de de, de définir sur le papier finalement, ce que c'est que la créativité ou la création, tout simplement la création. Et après, on peut faire plein d'exemples. Un peintre ? S'éteindre par exemple. Mais y a pas le temps. Voilà, il veut imaginer, il veut-il veut offrir un tableau à sa nièce, veut dire avec sa nièce, adorent Van Gogh et. Et il dit Bah tiens je, je lui ferai plaisir. C'est une peinture dans le style de Van Gogh, de sa maison de vacances par exemple. Donc s'il est peintre, il sait exactement ce qu'il veut, et donc s'il le fait, par exemple, Ben il va prendre son pinceau, il va savoir exactement ce qu'il veut-il va se corriger, et cetera. Donc le I, le G et le S, il va totalement. Si il a pas le temps, parce que admettons, il a trop de travail de travail, il va solliciter un autre peintre, il veut dire Bah voilà, j'ai besoin de et donc le il sera précis puisque il est peintre, il sait exactement ce qu'il veut et il va parler à quelqu'un qui s'y connaît en peinture, il va lui dire Ben Voilà, je voudrais difficilement Van Gogh, peut-être dans le style de ce tableau là, et puis plutôt avec un coucher de soleil, ou plutôt un pinceau ***** ou un peu, je veux un peu de grain, je veux un peu de. De matière. Bref, tout ça et donc ça sera précis. Et et s'il le demande à une IA comme une journée par exemple pareil, ils sont prompts sera hyper précis puisqu'il sait exactement ce qu'il veut-il va pouvoir dire à la machine, voilà je voudrais cette photo qui va me montrer qui va fournir à l'i a dans le style de tel tableau, peut-être de Van Gogh. Et puis va donner des précisions sur la taille sur à quel moment de la journée. Sur quel type de vue de la maison il veut sur des couleurs, sur des styles de trait, et cetera, et cetera. Alors quelqu'un qui ne s'y connaît pas du tout en en peinture. Alors déjà si elle veut faire la même chose, bah avec un pinceau, même avec un pinceau y arrivera pas. En demandant un peintre ? Bah elle sera peut être pas précis. Surtout si on part du principe que l'i a c'est comme dans ce dans cet exemple là agit comme un peintre et donc il ne lui pose pas de question bien sûr. Donc là bah il va lui dire que je voudrais un une peinture de type. En gogue, et cetera, et cetera. Il sera peut-être pas apprécié, le résultat serait peut-être pas ce qu'il a en tête et si demandé il y a. Bah c'est pareil, il sera pas précis et donc le G et le s vont être longs parce qu'il y a beaucoup d'échanges. Il va devoir modifier peut être désespéré. Tout ça pour dire que pour moi l'i a elle est. Ce n'est qu'un outil. Elle est encore plus forte si on maîtrise le sujet. Un photographe par exemple. Il maîtrise la photo, les angles, les appareils, les pellicules. Et cetera sera. On pourrait faire des photos incroyablement belles, incroyablement stylée grâce à mi-journée. Parce qu'il sait exactement ce qu'il va lui demander par rapport à quelqu'un qui qui n'a juste une idée et et va devoir bah pour le coup batailler. Donc les y a en fait pour moi, elles sont là, elles sont sur le g bien sûr. Aujourd'hui, suivant comment travail ? Les y a les ia peuvent déborder un peu sur le I aujourd'hui y a des méthodes. Par exemple là dans le cadre du tableau, on pourrait très bien dire à une IA. De quoi as-tu besoin ? Pose moi les questions qui vont te permettre de bien définir le pont. Et ça permettra d'améliorer, donc les IA peuvent travailler un peu sur le I. Avec l'humain pour l'aider à définir. Si symétrise en tout cas le le tout ça pour dire que l'humain doit vraiment se former. Bon en tout cas beaucoup pratiqué, former ça veut dire aussi de l autoformation. Il doit beaucoup pratiquer pour que il il puisse comprendre l'outil et pouvoir. Mettre à plat ce qu'il a en tête parce que le IYA que lui il l'a de base, même s'il y a, peut aider à générer des idées, mais ça va dépendre de ce que la façon dont tu veux lui demander, et donc ce ce qui est vraiment dans la tête, c'est lui. Et et donc voilà pour moi le j'ai les canaux donc en partant du de cette ce concept de IGS. Ou une autre lettre à la place du s hein ? Si on prend pas sublimer c'est à à travailler. Voilà le le concept global que que que sur lequel je réfléchis et et j'aimerais échanger avec toi, avoir ton avis.

(vous noterez que je bégaye quand même pas mal 😀 )

Ce n’est donc pas très lisible en l’état, mais le plus important est qu’il ait compris. Voici sa réponse :

Parfait ! il a tout compris !

Il s’en suit tout un échange dans lequel je le sollicite sur le choix des mots et on finalise sur le concept IGE : Imaginé par l’humain, Généré par l’IA, Embelli par l’humain.

Et si on écrivait un article de blog sur tout ça ? Je lui demande de rédiger l’article présentant le concept IGE.

Incroyable non ? Il n’a pas voulu faire l’article 😀

Pour lui, son rôle n’était pas de le faire. Il interprétait le concept IGE à sa sauce !

J’ai finalement réussi à lui faire rédiger l’article en lui expliquant que :

« tu es le G de IGE. Donc, j'ai vraiment besoin de toi pour cet article. »

Nous avons pu ensuite travailler ensemble sur l’article à travers le plan, des bout de paragraphe que j’ai corrigé et finalisé. L’article en question est disponible ici.

Cela ne ressemble pas à travailler avec un logiciel, mais plutôt à travailler avec un être humain. Je ne suggère pas que les systèmes d’IA soient conscients comme les humains, ni qu’ils le seront un jour. Plutôt, je propose une approche pragmatique : traiter l’IA comme si elle était humaine car, à bien des égards, elle se comporte comme telle. Cette mentalité peut grandement améliorer notre compréhension de comment et quand utiliser l’IA de manière pratique, si ce n’est technique.

Pour terminer sur mon exemple, après avoir travaillé sur l’article de blog, je suis revenu sur son refus :

Je suis ravi que nous soyons sur la même longueur d'onde à propos du rôle et de l'importance de l'IA dans le processus créatif, suivant le modèle IGE. C'est une belle manière de voir comment l'humain et l'IA peuvent non seulement coexister mais aussi se renforcer mutuellement pour créer quelque chose d'unique et de significatif. Si vous avez d'autres questions ou besoin d'approfondir d'autres aspects de ce sujet, n'hésitez pas à demander !

Je parle à un logiciel ou à un être humain là ??

😀

Personnes fictives

L’IA excelle dans des tâches profondément humaines : l’écriture, la création d’idées, la simulation d’empathie. Cependant, elle peine dans des tâches où les machines excellent habituellement, comme répéter un processus de manière constante ou effectuer des calculs complexes sans assistance. En fait, elle tend à résoudre les problèmes que les machines maîtrisent d’une manière très humaine. Lorsque vous demandez à GPT-4 d’analyser les données d’un tableau, il ne lit ni ne comprend les chiffres de manière innée. Au lieu de cela, il utilise des outils comme nous le ferions, jetant un coup d’œil à une partie des données pour voir ce qu’elles contiennent, puis écrivant des programmes Python pour essayer de réaliser réellement l’analyse. Et ses défauts – inventer des informations, une fausse confiance dans les réponses incorrectes et une paresse occasionnelle – semblent également bien plus humains qu’artificiels.

Cette bizarrerie quasi-humaine est la raison pour laquelle les meilleurs utilisateurs de l’IA sont souvent des gestionnaires et des enseignants, des personnes capables de comprendre la perspective des autres et de la corriger lorsqu’elle est erronée. Par exemple, dans une conversation, j’ai déjà dû interrompre l’IA (en utilisant le bouton « stop ») lorsque j’ai vu qu’elle prenait une mauvaise direction, offrant à la fois des commentaires et des corrections. Plutôt que de se concentrer uniquement sur l’enseignement aux gens de rédiger de bons prompts, nous pourrions passer plus de temps à leur apprendre à gérer l’IA. Les amener à pénétrer dans la tête inexistante de l’IA pour qu’ils comprennent intuitivement ce qui fonctionne. Après tout, adopter le point de vue d’autrui est une forme de compétence sociale, plutôt que technique, et elle peut effectivement être acquise.

L’idée de traiter l’IA comme une personne s’aligne également sur deux des meilleures techniques de base pour l’interroger. La première consiste à donner à l’IA une personnalité spécifique, en définissant qui elle est et quels problèmes elle doit résoudre. Dire au système « qui il est » l’aide à modeler les résultats du système. Lui demander d’agir comme un professeur d’étudiants en MBA produira un résultat différent que si vous lui demandez d’agir comme un clown de cirque. Ce n’est pas magique (vous ne pouvez pas dire « Agis comme Bill Gates » et obtenir de meilleurs conseils commerciaux ou écrire comme Hemingway et obtenir de la prose incroyable) mais cela peut aider à rendre le ton et la direction appropriés à votre objectif.

Une seconde technique puissante qui s’aligne sur le traitement de l’IA comme une personne est le prompting en chaîne de pensée (CoT), où vous demandez à l’IA de « penser étape par étape » ou de fournir des instructions claires à suivre. Cela résulte non seulement en des réponses de meilleure qualité, mais nous permet également de mieux comprendre où la pensée de l’IA a déraillé. Et, encore une fois, les gestionnaires et les enseignants sont souvent les meilleurs pour fournir des directions claires, rendant le prompting en chaîne de pensée plus efficace. Parler à une IA comme à une personne semble être une nécessité pratique lors de l’interrogation.

Et certains des risques liés à l’IA pourraient en fait être réduits si leurs créateurs leur donnaient des personnalités fictives plus évidentes. Vous n’êtes pas habitué à ce qu’un ordinateur commette des erreurs, mais vous savez ne pas faire entièrement confiance à Martin, votre stagiaire un peu excessif et stressé, peu importe à quel point il est utile. La personnalité pourrait finir par être un facteur de différenciation pour certains LLMs. Vous pourriez aimer que Gemini soit un peu planificateur, tandis que d’autres pourraient préférer que Claude soit plus enclin à prétendre avoir des émotions.

Futurs anthropomorphiques

Cette approche consistant à « parler à l’IA comme à une personne, plutôt que comme à du code » est également la technique utilisée par l’un des prompts les plus importants en IA, le prompt système. Les prompts systèmes sont l’une des manières par lesquelles les laboratoires d’IA définissent le comportement de l’IA en lui donnant des instructions initiales. Si vous examinez le tweet décrivant les prompts systèmes de Claude 3, vous pouvez voir à quel point ce prompt est proche de la manière dont vous communiqueriez avec un humain sur des sujets similaires (la principale différence étant qu’il est écrit à la troisième personne).

Finalement, même si vous ne souhaitez pas anthropomorphiser l’IA, il semble que les IA aient de plus en plus tendance à s’anthropomorphiser elles-mêmes. Le format de chatbot, les « mémoires » plus longues à travers plusieurs conversations et des fonctionnalités comme la conversation vocale, tout cela contribue à rendre les interactions avec l’IA plus humaines. De nombreux sites d’IA parmi les plus populaires se concentrent sur la création d’IA en tant que compagnons (character.ai est le deuxième site d’IA le plus utilisé, après ChatGPT). Et si vous n’avez pas encore essayé de discuter vocalement avec un modèle d’IA pour voir l’attrait, vous devriez le faire. Vous pouvez utiliser un site de chatbot, mais vous pouvez également utiliser Pi d’Inflection gratuitement ou ChatGPT-4 via l’application mobile. Ces approches semblent fonctionner. Une session de discussion moyenne avec Pi, optimisée pour la conversation informelle, dure plus de trente minutes.

L’anthropomorphisme est l’avenir, en bien comme en mal. Un nombre croissant de personnes ressentent déjà qu’elles ont des liens profonds avec l’IA, avec des résultats imprévisibles sur nos propres interactions – aidant certaines personnes tout en endommageant les relations humaines d’autres. Étant donné la tendance, traiter les IA comme des personnes semble inévitable, alors trouver comment le faire de manière sûre et productive pourrait être préférable aux alternatives.

Article inspiré par https://www.tandfonline.com/doi/full/10.1080/21507740.2020.1740350https://www.oneusefulthing.org/p/on-the-necessity-of-a-sin, https://www.technologyreview.com/2024/03/04/1089403/large-language-models-amazing-but-nobody-knows-why/, https://garymarcus.substack.com/p/stop-treating-ai-models-like-people, https://blog.research.google/2024/01/amie-research-ai-system-for-diagnostic_12.html, https://knowledge.wharton.upenn.edu/article/perspective-taking-brain-hack-can-help-make-better-decisions/.

Avec l’IA, l’avenir appartient aux généralistes : mieux vaut en savoir un peu sur beaucoup que beaucoup sur peu

On entend souvent dire qu’il vaut mieux être un spécialiste qu’un généraliste, particulièrement dans le contexte de l’intelligence artificielle. En effet, avec l’avènement de modèles de langage comme GPT-4, chacun a accès à des compétences de base dans pratiquement tous les domaines. Si l’on considère qu’un généraliste est quelqu’un qui possède des connaissances superficielles dans plusieurs disciplines, alors il peut sembler risqué de suivre cette voie avec l’IA, car une IA va facilement surpasser une expertise limitée.

Cependant, cette vision d’un généraliste comme une simple « personne qui sait un peu de tout » manque l’essence même de ce rôle. La véritable force du généraliste ne réside pas seulement dans la connaissance superficielle, mais dans sa capacité à relier des concepts de différentes disciplines, à s’adapter rapidement et à voir des solutions là où personne d’autre n’aurait pensé à chercher.

Les généralistes sont généralement des personnes curieuses qui aiment passer d’un domaine à l’autre. Ils aiment comprendre les choses, en particulier dans les domaines incertains ou nouveaux. Ils sont doués pour résoudre les problèmes que les experts du domaine ont du mal à résoudre, car ils sont capables de rassembler des éléments de connaissance provenant de divers domaines.

En raison de leur propension à changer de domaine, les généralistes ont tendance à posséder un large éventail de compétences superficielles. Mais en les mesurant à leurs capacités de « savoir coder » ou à leur connaissance des « techniques de boulangerie », on passe à côté de leur véritable avantage : la capacité à s’adapter à de nouvelles situations et le désir de le faire.

Ce qu’être généraliste signifie vraiment

Un généraliste n’est pas seulement une personne avec un éventail de compétences superficielles. Un généraliste est avant tout un individu curieux, qui aime explorer de nouveaux territoires et découvrir des réponses à des questions complexes dans des domaines variés. Il s’agit d’une personne qui prospère dans ce que David Epstein, dans Range: How Generalists Triumph in a Specialized World, appelle des environnements « difficiles » (wicked) : « Dans ces domaines, les règles du jeu sont souvent floues ou incomplètes, il peut y avoir ou non des schémas répétitifs et ils peuvent ne pas être évidents, et le retour d’information est souvent tardif, imprécis ou les deux à la fois ».

Selon Epstein, c’est là que les généralistes s’épanouissent. Ils sont capables d’utiliser leurs diverses expériences pour aborder les problèmes de manière unique et voir des solutions que personne d’autre ne peut voir.

Chez Tamento, nous travaillons sur des projets web variés, allant du référencement au développement d’applications, en passant par la création graphique, les réseaux sociaux et l’IA. Je ne suis pas un expert absolu dans chacun de ces domaines, mais cette capacité à « toucher à tout » me permet d’aborder un problème avec une compréhension globale. Par exemple, en créant des campagnes de publicité sur les réseaux sociaux, nous devons maîtriser à la fois le graphisme, le copywriting et les aspects techniques de diffusion. Un graphiste pourrait se concentrer uniquement sur l’esthétique, mais un généraliste va aussi comprendre comment cette image s’insère dans une stratégie marketing plus large. En revanche, en tant que généraliste, je ne saurais faire la campagne publicitaire sans Pauline, notre directrice artistique, ni sans Florent, expert du ciblage sur les réseaux sociaux.

Pourquoi l’IA renforce la position des généralistes

Aujourd’hui, avec l’évolution rapide de l’IA, les généralistes sont dans une position avantageuse. Contrairement à ce que l’on pourrait croire, l’IA ne rend pas les généralistes obsolètes. Bien au contraire, elle devient un puissant levier pour eux.

Dans des environnements « gentils » (kind), le retour d’information est immédiat et où il existe des schémas clairs et répétitifs qui mènent au succès. C’est dans ces domaines que les experts ont tendance à exceller. Ils peuvent appliquer leur expertise spécifique pour résoudre des problèmes encore et encore, parce qu’ils ont déjà vu ces problèmes sous une forme ou une autre.

Un modèle de langage tel que GPT-4 peut être comparé à avoir « 10 000 doctorats disponibles à portée de main ». Ces modèles sont parfaits pour traiter des tâches spécifiques ou répondre à des questions précises, typiquement le domaine des experts.

Si vous êtes un expert confronté à un problème inédit, un LLM n’imaginera pas de nouvelle solution pour vous. En revanche, il devient un cadeau pour les généralistes, qui peuvent l’utiliser pour se familiariser beaucoup plus rapidement avec de nouveaux domaines, et faire resurgir et appliquer facilement des connaissances acquises dans d’autres domaines. Les généralistes peuvent faire preuve d’adaptabilité et d’imagination pour résoudre les problèmes qu’un modèle linguistique ne peut pas résoudre seul.

Les défis et avantages d’être généraliste dans un monde de spécialistes

Le généraliste est souvent perçu comme quelqu’un qui ne va jamais assez en profondeur sur un sujet. Mais cette perception néglige la polyvalence et l’adaptabilité que cela exige. Être généraliste, c’est savoir comment utiliser ses compétences variées pour poser des questions que les spécialistes, souvent enfermés dans leur expertise, ne penseraient pas à poser. Dans mon rôle chez Tamento, il m’arrive d’aider notre développeur, Julien, sur des problèmes techniques complexes. Même si je ne suis pas un expert en développement (loin de là), mes questions naïves ou généralistes l’amènent souvent à envisager des solutions qu’il n’aurait pas envisagées. Parfois, mes « questions bêtes » sont celles qui débloquent la situation, car elles obligent à regarder le problème sous un autre angle. Mais bien sûr, c’est son expertise, sa spécialisation qui lui permet de résoudre le problème technique.

Dans une époque où les entreprises doivent s’adapter rapidement aux changements technologiques, cette capacité à penser en dehors des sentiers battus est cruciale. L’IA permet aux généralistes de naviguer entre les domaines, d’approfondir rapidement des sujets et de combler leurs lacunes, tout en faisant appel à des spécialistes pour les aspects les plus complexes.

Une collaboration indispensable entre généralistes et spécialistes

Chez Tamento, la collaboration entre généralistes et spécialistes est essentielle. Nos spécialistes apportent une expertise approfondie dans des domaines précis comme le développement ou le référencement. Cependant, c’est la vision globale et la capacité à relier des idées variées des généralistes qui permettent de faire avancer les projets et d’innover. L’IA nous aide en renforçant la capacité des généralistes à comprendre rapidement des concepts techniques et à collaborer efficacement avec des experts.

Un généraliste de demain, armé de l’IA, sera capable d’endosser de nombreux rôles avec une facilité que l’on n’aurait pas pu imaginer auparavant. Il pourra non seulement naviguer dans des domaines nouveaux, mais également aider les spécialistes à aller plus loin dans leur réflexion en posant des questions inattendues.

Le futur appartient aux généralistes : l’avènement d’un nouveau modèle

Historiquement, la spécialisation a été perçue comme l’unique voie vers la réussite, une idée popularisée par Adam Smith avec la division du travail au XVIIIe siècle. Cependant, à mesure que le monde devient de plus en plus complexe, la polyvalence du généraliste retrouve une place prépondérante. Dans l’Antiquité, par exemple, la société athénienne valorisait l’idée d’un citoyen capable de participer à tous les aspects de la vie civique, politique et militaire​. Tout citoyen pouvait être juge, juré, sénateur et soldat. Cette vision d’une société de généralistes pourrait bien revenir dans un contexte moderne, grâce à l’IA.

En fin de compte, ce qui fait la force des généralistes, c’est leur capacité à poser les bonnes questions et à utiliser leurs expériences variées pour résoudre des problèmes complexes. À notre époque, où la technologie transforme profondément les métiers, les généralistes sont plus indispensables que jamais. Ils sont ceux qui relient les points, qui innovent et qui s’adaptent à un monde en perpétuelle mutation. Le généraliste ne se définit pas seulement par ce qu’il sait, mais par sa capacité à apprendre, à s’adapter et à collaborer.

Le fait d’être un généraliste nous donne quelque chose que les modèles de langage n’ont pas : la capacité d’apprendre rapidement, de voir et de résoudre des problèmes inédits dans de nouveaux domaines.

Dans une économie comme la notre, la personne qui gagne n’est pas l’expert qui connaît la réponse exacte à une question.

C’est celui qui sait quelles questions poser en premier lieu.