Résumé et traduction française de l’étude de : OpenAI; OpenResearch; University of Pennsylvania sur les impacts de l’IA de langage sur le marché du travail. Nous avons pensé, chez Bangcast, que le résumé de cette étude pouvait apporter des éléments aux directions des entreprises afin de déclencher des actions d’adoption au plus vite pour leurs pérennisations.
Prospective de l’impact de l’intelligence artificielle sur le marché du travail
Cet article explore les implications potentielles des modèles de langage à grande échelle (LLM), tels que les Transformateurs Pré-entraînés Génératifs (GPT), sur le marché du travail américain. Il met l’accent sur les capacités améliorées offertes par les logiciels utilisant les LLM par rapport aux LLM seuls. Grâce à une nouvelle grille d’évaluation, les chercheurs analysent les professions selon leur adéquation avec les compétences des LLM, en prenant en compte à la fois l’expertise humaine et les classifications du GPT-4.
Les résultats montrent qu’environ 80% de la main-d’œuvre américaine pourrait voir au moins 10% de leurs tâches professionnelles modifiées par l’adoption des LLM, tandis qu’environ 19% des travailleurs pourraient voir au moins 50% de leurs tâches impactées. Les effets prévus concernent tous les niveaux de salaire, les emplois à revenu plus élevé étant potentiellement davantage exposés aux capacités des LLM et aux logiciels qui en tirent parti.
L’analyse révèle qu’avec l’accès à un LLM, environ 15% de toutes les tâches des travailleurs aux États-Unis pourraient être accomplies beaucoup plus rapidement sans compromettre la qualité. En intégrant les logiciels et les outils basés sur les LLM, cette proportion augmente pour se situer entre 47 et 56% de toutes les tâches.
Méthode de recherche et usage de l’IA dans les travaux
Les chercheurs concluent que les LLM, tels que les GPT, présentent des caractéristiques de technologies à usage général, indiquant qu’ils pourraient avoir des implications économiques, sociales et politiques considérables.
Cette étude examine les avancées récentes des LLM et leur potentiel impact économique. Les LLM, tels que LaMDA et GPT-4, ont démontré des capacités exceptionnelles dans des applications diverses comme la traduction, la classification, l’écriture créative et la génération de code. Auparavant, ces compétences nécessitaient des modèles spécifiques à la tâche conçus par des ingénieurs experts.
Les chercheurs ont également amélioré la maniabilité, la fiabilité et l’utilité de ces modèles en utilisant des méthodes telles que l’ajustement fin et l’apprentissage par renforcement avec des retours d’information humains. De plus, les LLM ont montré leur potentiel pour programmer et contrôler d’autres outils numériques, tels que les API, les moteurs de recherche et même d’autres systèmes d’IA génératifs.
L’étude souligne l’importance de considérer les LLM comme des éléments de construction polyvalents pour créer des outils supplémentaires. Malgré leurs limites, les LLM sont de plus en plus intégrés dans des applications spécialisées dans des domaines tels que l’assistance à l’écriture, la programmation et la recherche juridique.
Orientation de la recherche
La recherche se penche ensuite sur la littérature portant sur les impacts du marché du travail de l’IA et des technologies d’automatisation.
Elle fait référence à de nombreuses études qui ont exploré les effets du changement technologique et de l’automatisation sur les travailleurs dans un cadre basé sur les tâches. Les chercheurs tentent de construire sur ces divers courants de littérature en se concentrant sur l’impact des LLM, plutôt que sur les technologies d’apprentissage automatique ou d’automatisation plus largement. Ils proposent également une nouvelle méthode qui utilise les LLM, spécifiquement GPT-4, pour évaluer les tâches pour l’exposition et le potentiel d’automatisation.
Dans cette section, les chercheurs décrivent les méthodes et la collecte de données utilisées pour évaluer l’impact potentiel des grands modèles de langage (LLM) sur le marché du travail américain. Ils ont utilisé la base de données O*NET 27.2, qui contient des informations sur 1 016 professions, y compris leurs activités de travail détaillées (DWA) et leurs tâches. Ils ont également utilisé des données sur l’emploi et les salaires fournies par le Bureau of Labor Statistics.
Les chercheurs ont défini l’ »exposition » comme une mesure de la capacité d’un LLM ou d’un système alimenté par LLM à réduire de 50% le temps nécessaire à un humain pour effectuer une DWA ou une tâche spécifique. Ils ont recueilli des annotations à la fois humaines et générées par GPT-4 en utilisant une grille d’exposition, qui sous-tend la majorité des analyses de l’étude.
Limite de la méthode de recherche avec l’intelligence artificielle.
Cependant, la méthodologie de l’étude présente plusieurs limitations. Tout d’abord, l’étiquetage est subjectif et peut être biaisé en raison du manque de diversité professionnelle parmi les annotateurs. Deuxièmement, l’utilisation de GPT-4 pour mesurer les LLM est sensible à des modifications dans la formulation de la grille, l’ordre et la composition de l’invite, la présence ou l’absence d’exemples spécifiques dans la grille, le niveau de détail fourni et les définitions données pour les termes clés. Troisièmement, il est incertain dans quelle mesure les professions peuvent être entièrement décomposées en tâches, et si cette approche omet systématiquement certaines catégories de compétences ou de tâches qui sont tacitement requises pour l’exécution compétente d’un emploi. Enfin, la prédiction précise des futures applications des LLM reste un défi significatif, même pour les experts.
Impact et conséquence des LLM sur les métiers
Cette section présente les résultats de l’étude sur l’impact potentiel des grands modèles de langage (LLM) sur le marché du travail aux États-Unis. Les chercheurs ont constaté que les LLM ont le potentiel d’affecter significativement un large éventail de professions dans l’économie américaine, démontrant une caractéristique clé des technologies à usage général.
En moyenne, environ 15% des tâches au sein d’une profession sont directement exposées aux LLM, ce chiffre augmentant à plus de 30% pour les tâches qui nécessitent un niveau élevé de compétence en langage. Les professions les plus exposées comprennent les écrivains, les rédacteurs, les traducteurs, les programmeurs informatiques et les opérateurs de saisie de données. En revanche, les professions les moins exposées sont celles qui nécessitent des compétences manuelles, des compétences sociales complexes ou une expertise technique spécialisée, telles que les travailleurs de la construction, les soignants, les plombiers et les médecins.
Les chercheurs ont également constaté que l’exposition aux LLM est corrélée négativement avec la demande de main-d’œuvre. Autrement dit, les professions qui sont les plus susceptibles d’être affectées par l’automatisation des LLM sont également celles qui connaissent la croissance de l’emploi la plus faible ou même une diminution. Cela pourrait potentiellement entraîner un déplacement des travailleurs vers des professions moins exposées, ou à une polarisation du marché du travail, où les emplois moins qualifiés et plus qualifiés sont de plus en plus séparés.
Cependant, il est important de noter que ces résultats sont basés sur des estimations et des projections, et ne représentent pas nécessairement des résultats définitifs. L’impact réel des LLM sur le marché du travail dépendra de nombreux facteurs, y compris la rapidité et l’ampleur de l’adoption des LLM par les entreprises, les régulations gouvernementales, les réactions des travailleurs et des consommateurs, et les développements futurs dans les technologies d’IA et d’apprentissage automatique.
Conclusion
En conclusion, cette étude souligne le potentiel des grands modèles de langage, tels que GPT-4, pour transformer le marché du travail américain et affecter un large éventail de professions. Bien qu’il y ait des incertitudes et des limitations dans la méthodologie et les prévisions, les résultats mettent en évidence la nécessité pour les décideurs politiques, les entreprises et les travailleurs de se préparer à un avenir où les compétences en langage et en communication pourraient devenir de plus en plus automatisées. Cela pourrait inclure des investissements dans la formation et l’éducation pour les travailleurs déplacés, ainsi que des politiques pour encourager l’innovation et la création d’emplois dans les secteurs moins exposés aux LLM.
